ROZPOZNAWANIE
Teorie rozpoznawania
Modele konekcjonistyczne
ROZPOZNAWANIE
Teorie rozpoznawania
Modele konekcjonistyczne
Teorie
roz-poznawania (re-
cognition)
Teorie rozpoznawania a teorie
pamięci
Rodzaje rozpoznawania:
Identyfikacja:
•
Kategoryzacja: Jaki rodzaj/typ obiektu?
•
Co to za przedmiot (konkretny)
Problem rozpoznawania
Informacje o tym samym obiekcie
nigdy nie są takie same:
•
Różne warunki oświetlenia, kąt patrzenia,
kontekst
Informacje o klasie obiektów:
•
Obiekty różnią się wewnątrz klasy
Teoria wzorca
•
Przechowywanie nieskończonej liczby wzorców
•
Porównywanie (dokładność)
•
Klasyfikacja?
Teoria cech
•
Dopasowywanie cech obrazu do cech
przechowywanych w pamięci
•
Dowody: „detektory cech” w korze wzrokowej (Hubel
& Wiesel)
•
Zanikanie obrazu ustabilizowanego na siatkówce
Ruchy oka
Sakady
(prędkość:
1000degr/s)
Nystagmus
fizjologiczny
(85Hz, 10-
14 arcsec)
IMVXEW
WVMEIX
XEMIVM
VXWEIM
MXEWVI
MEZXIW
WXEIMV
EIVMWX
WXIEMV
ODUGQR
RUDQOG
GQDOUD
DQZGOR
UGRQOD
DGQRUO
RGQODU
QOUDRG
RGOQDU
Teoria cech:
Co jest cechą? Relacje między cechami,
ważność cech.
Teoria prototypów
Porównanie do prototypu: najbardziej
typowego (średniego, idealnego,
najczęściej spotykanego) reprezentanta
kategorii:
•
Założenie: każdy bodziec jest członkiem klasy
bodźców
Ludzie często „rozpoznają” prototypy
mimo, że wcale ich nie widzieli (Posner &
Keele; Franks & Bansford)
Zapamiętana współzależność cech
Rozpoznawanie: Modele blokowe
vs koneksjonistyczne
Wejś-
cie
Rejestry
sensory-
czne
STM
Pamięć
robocza
Wyjście
LTM
Atkinson & Shiffrin’68
Uproszczony schemat systemu poznawczego
jako systemu przetwarzającego informacje
Niekoniecznie prawdziwe założenia
paradygmatu przetwarzania informacji
Przetwarzanie w sekwencji faz
Informacja w formie symboli
Pamięć zlokalizowana
Architektura systemu nie jest ważna
Konsekwencje:
Problem „100 kroków”
Możliwość modelowania tylko dobrze
określonych, prostych problemów
Niepełne dane -> Nagła degradacja
wyniku
Homunkulus (Centralny Procesor
przetwarzający wg reguł?,
interpretujący symbole)
Wejś-
cie
Rejestry
sensory-
czne
STM
Pamięć
robocza
Wyjście
LTM
@ludziki:
bemanet.w.interia.pl/gify.html
Uproszczony schemat systemu poznawczego
jako systemu przetwarzającego informacje
Modele koneksjonistyczne
Wyższe procesy umysłowe
(np. pamięć, myślenie)
Podstawowe elementy układu
nerwowego i ich organizacja
Sieci neuropodobne
Parallel Distr Proc
Modele koneksjonistyczne
Architektura systemu jest ważna
•
Przetwarzanie równoległe i rozproszone
Brak oddzielnych faz przetwarzania
•
model pamięci jest jednocześnie modelem
spostrzegania, rozpoznawania, kategoryzacji,
tworzenia pojęć
Oparte na współdziałaniu wielu prostych
elementów i prostych regułach uczenia
Twórcy: McClelland, Rumelhart, Hinton
(lata 80.)
rogi
szczeka
pióra
4 nogi
dziób
muczy
r
s
p
4 d
m
pies
0
1 0
1 0
0
krowa
1
0 0
1 0
1
kura
0
0 1
0 1
0
0
0
0
0
1
1
-1
-1
1
-1
1
1
1
0
0
0
-2
0
0
0
-1
rogi
szczeka
pióra
4 nogi
dziób
muczy
1
1
0
1
0
0
r
s
p
4 d
m
pies
0
1 0
1 0
0
krowa
1
0 0
1 0
1
kura
0
0 1
0 1
0
Rodzaje sieci: proste (Hopfield),
wielowarstwowe, z warstwami
ukrytymi, rekurencyjne
Istotność pojęcia równowagi
Sieci: szczególny przypadek szerszej
klasy modeli – nieliniowych układów
dynamicznych
Zastosowanie modeli
koneksjonistycznych
Model NETtalk (Sejnowski & Rosenberg,
1987); modele uczenia się języka; model
afazji (Shallice)
Modele struktur nerwowych: np.
hipokampa u szczura
Systemy rozpoznające: psychologia,
medycyna, wojsko
Systemy eksperckie (ubezpieczenia,
medycyna i in.)
Przykład EasyNN
P. przetw.
informacji
(metafora
komp.)
Sieci neu-
ropodobne
Architektura
systemu
Nieistotna
Istotna
Działanie
Sekwencyjne
Równoległe
Pamięć
Lokalna
Rozproszona,
adresowana
przez treść
Degradacja
działania
Nagła
Stopniowa
Sytuacje
Poznawcze
Uproszczone Wieloczynni-
kowe
„Główny
wykonawca”
CPU
Homunkulus
Brak – system
ewoluuje do
rozwiązania
Wg reguł
Spontaniczna
generalizacja
Reprezentacje Symboliczne
Sub-
symboliczne
Ujęcie
poznania
W fazach
Całościowe
Ograniczenia modeli sieci
neuronowych
Dobre do modelowania stopniowego
uczenia się. Gorsze: np. rozpoznawanie po
jednej ekspozycji
Struktura powiązań między cechami może
być bardziej skomplikowana
Nierealistyczny model działania neuronów
Ograniczone do pewnego rodzaju
problemów
Nowy paradygmat?
