(صورة توضيحية فقط)
تُمثل نماذج الاتصال، المعروفة أيضًا باسم المعالجة الموزعة المتوازية (PDP) أو الشبكات العصبية الاصطناعية، العمليات المعرفية كتفاعلات بين العديد من وحدات المعالجة البسيطة والمترابطة، والتي تُسمى العقد. لا تُخزن المعرفة في موقع محدد، بل تُوزع في أوزان الاتصال بين هذه الوحدات. يحدث التعلم بتعديل هذه الأوزان، غالبًا عبر خوارزميات مثل الانتشار العكسي، مما يُمكّن من التعرف على الأنماط وتقريب الدوال.
اقتُرحت نماذج اتصالية كبديل مستوحى من الدماغ للنماذج الرمزية. تتكون الشبكة النموذجية من طبقات من العقد: طبقة إدخال، وطبقة مخفية واحدة أو أكثر، وطبقة إخراج. لكل اتصال بين العقد وزن عددي، يمكن أن يكون مُثيرًا أو مُثبِّطًا. عند عرض نمط على طبقة الإدخال، ينتشر التنشيط عبر الشبكة، مُعَدَّلًا بالأوزان ودالة تنشيط عند كل عقدة، لإنتاج نمط في طبقة الإخراج.
The key novelty is the learning process. In supervised learning, the network’s output is compared to a target output, and the difference (error) is used to modify the connection weights throughout the network. The backpropagation algorithm is a common method for efficiently calculating these weight adjustments. This process allows the network to gradually ‘learn’ complex mappings from inputs to outputs without being programmed with explicit rules. This approach excels at tasks involving noisy data and pattern recognition, such as object recognition or learning the past tense of English verbs, which are challenging for purely symbolic systems.
النماذج الارتباطية في الإدراك
(إذا كان التاريخ غير معروف أو غير ذي صلة، على سبيل المثال "ميكانيكا الموائع"، يتم توفير تقدير تقريبي لظهوره الملحوظ)
الصور والتنزيلات بالحجم الكامل متاحة فقط، ومجانية تمامًا، للأعضاء المسجلين.
> تسجيل الدخول <
