神经网络与教育 神经网络与教育 评价人数不足

《神经网络与教育》提要及批注

塘浅
2017-12-06 15:12:35

由于是演讲的PPT修改成的书,整本书的框架并不是非常的条分缕析,在内容上有不少前后重复,阅读时有一点涣散。除此以外作者虽然一开始就说明了人工智能是基于认知心理学和生物学模型的一门科学,但是书中对于认知心理学和生物学模型的涉猎非常的少,更多是光学和电子的相关理论。但是书中结合了作者求学和科研的许多真实经验,通过自己对于学习和教育的思考总结了很多宝贵的经验,不失为一本好书。以下是我的章节提要及批注

第一章

训练的基本常识:生物的神经网络的先天条件决定了应该采取的训练方案,人脑条件决定了教育方案

第二章和第三章

神经网络(ANN)是基于认知心理学和生物学模型的科学,模拟大量互相连接的生物神经元。神经元中的信息是以并行和互联的方式进行处理的。

下面是ANN和计算机的一些区别:

ANN的运算是每个神经元都有简单的逻辑运算器功能,计算机是依赖于中央处理器(CPU)

神经网络是并行处理的,计算机是顺序处理的。

ANN具有学习、提升表现、适应不同环境和应对中断的能力,但是数字计算器只能依赖人工改编程

...
显示全文

由于是演讲的PPT修改成的书,整本书的框架并不是非常的条分缕析,在内容上有不少前后重复,阅读时有一点涣散。除此以外作者虽然一开始就说明了人工智能是基于认知心理学和生物学模型的一门科学,但是书中对于认知心理学和生物学模型的涉猎非常的少,更多是光学和电子的相关理论。但是书中结合了作者求学和科研的许多真实经验,通过自己对于学习和教育的思考总结了很多宝贵的经验,不失为一本好书。以下是我的章节提要及批注

第一章

训练的基本常识:生物的神经网络的先天条件决定了应该采取的训练方案,人脑条件决定了教育方案

第二章和第三章

神经网络(ANN)是基于认知心理学和生物学模型的科学,模拟大量互相连接的生物神经元。神经元中的信息是以并行和互联的方式进行处理的。

下面是ANN和计算机的一些区别:

ANN的运算是每个神经元都有简单的逻辑运算器功能,计算机是依赖于中央处理器(CPU)

神经网络是并行处理的,计算机是顺序处理的。

ANN具有学习、提升表现、适应不同环境和应对中断的能力,但是数字计算器只能依赖人工改编程序

神经网络能够处理与存储信息不匹配的、不精确的和带噪声的数据,但是计算机由于程序已经编好,不能适应损坏的或者自相矛盾的数据。

神经网络善于模式识别,计算机擅长运算。

每个神经元的输入信号有很多,但每个神经元只有一个输出信号,该信号将被可能包括自己的其他神经元。

单层人工神经网络

传递函数是表示神经元的输出与输入关系的函数,决定了单个神经元的运作。神经元的每个输入都对应了一个权重,权重决定了神经元之间互相联系的强度,可以通过一定的学习规则更改权重值,使得权重与输入信号与通过传递函数获得的输出信号相匹配。

学习大体上可以分为两类:监督学习和非监督学习。

第四章 基于记忆的神经网络

例1:中日名字的单字含义记忆 例2:电话和无序数的利用顺序、对称性、分组、音律等记忆

例3:π的谐音记忆或化为10个电话记忆 例4:Francis联想记忆 例5:瑞典道路首字母记忆

例6:五大湖名字记忆 例7:诗词的情感。记忆推动了人生经历的情感,情感也反向推动了记忆的加深。

以上的例子中大多运用联想法记忆。同时也在记忆时将时序的信息更多的变化为空间的、多维的信息,以方便记忆和回忆。

因为比起一维信息,人类的大脑可以更好地处理二维信息。

第五章

光学做神经网络的优势,光学拥有:1、大量的互相连接 2、高密度信息 3、并行处理能力

第六章

模式内关联神经网络:忽略所存储样本间的关联

模式间关联神经网络:处理这些关联

试验表明,模式间关联神经网络储存所用空间更少,存储信息更多

第七章

监督学习(SL):模式内和模式关联学习都是监督学习

非监督学习(UL):根据某些学习规则,或以往经验自学(重复输入)

第八章 认知学习(理解的艺术)

人脑拥有学习能力,ANN模仿进行训练。

认知学习就是了解自己如何学习。

例1:麦克斯韦方程组的理解学习

例2:记忆与认知学习的平衡:乘法口诀

例3:光的相干性理论和相关函数

理解可加性:f1(t)+f2(t)->g1(t)+g2(t)

齐次性:k1f1(t)->k2(f2)

以上两者合称线性:k1f1(t)+k2f2(t)->k1g1(t)+k2g2(t)

时间不变性:f(t-t0)->g(t-t0)

以上三者合称限行时间不变系统:k1f1(t-t0)+k2f2(t-t0)->k1g1(t-t0)+k2g2(t-t0)

第九章 基础学习

理解基本知识与基础理论比学习大量内容和背诵复杂公式更重要。

简单的表达方式辅助简单学习 “一盎司的近似胜过几顿计算”E=mc^2

提纲和总结比啃整本书更重要。提纲和总结的原创归纳比获得的更高效。

人脑善于学习基础知识、基本原理、重大深刻的东西

第十章 信息容量与神经网络学习

大脑的感知类型:时域(序列式)和空间(图像化)

-用时序信息传输空间图像

-用空间信息传输时序信息

-混合式

用空域来表示时域会放宽物理实现的约束,如:在黑板上画出时间信号时可能忘记物理限制条件

例理想的窄波滤波器一部分脉冲响应处在负的时间域内,在物理上(因果律)无法实现,但可以通过一个长时间的延迟使滤波器与之匹配。

第十一章 大脑的可塑性与适应性

天才是经过后天训练的。ANN不及BNN的很多地方。

第十二章 创新教育

记忆-联想

理解-认知学习

学习和思考-除了字面,学习到了什么及为什么学它

例1:为什么创造数字系统?

优势:电子和电磁波的传输速度快,传输信息量大,响应快,抗噪性强

付出的代价:信息容量低

例2:相干光处理的研究中,物理约束对理论的影响

第十三章 总结教育的理想样子

第十四章

数学与科学(悖论)

近似与计算 科学公式的约等号,所有科学定理本质上都是统计结果。

创造性的知识:难以言传,学习并思考的重要性

问题总是有多个答案,约束条件限制了解答数目

记忆耗费的精力与联想记忆

知识的提炼的重要性

好奇心与发现的重要性

优势总要伴随付出代价

科学与人的思考

发现与发明都是科学的组成部分

才华与人发现彼此

第十五章 教育领导者

教育应该由懂得研究与学习的学者担任领导者。

0
0

查看更多豆瓣高分好书

回应(0)

添加回应

推荐神经网络与教育的豆列

了解更多图书信息

豆瓣正在热议

豆瓣
我们的精神角落
免费下载 iOS / Android 版客户端
App 内打开