那么71的头脑风暴
注册日期:
2008-2-3
上次登录:
2017-08-17 07:13:27
邮件地址:
moxj71@hotmail.com
  那么71的头脑风暴
用神经元模拟人的加法计算,有人感兴趣吗?
2017-08-08 09:56:31  神经网络 非黑箱 加法计算 

        加法计算是人类通过后天学习获得的技能。通常的学习过程是:数数——单位数加法——多位数加法。数数是将数字按顺序排列。比如在学习加法前,我们都必须学会从1数到10、100直至更大。单位数加法分为两种方式:一种是利用数数过程中所学到的数字排列顺序进行计算,比如小孩掰指头做加法。另一种是利用形成的单位数加法表进行计算,比如小孩背诵加法口诀表。两种方式前者更容易学会,后者则在运用时速度更快(所以大多数情况下,成人是不会用第一种方式的)。多位数加法是在单位数加法规则的基础上,再按照多位数加法规则进行计算。多位数加法也分两种方式:一种是利用大脑的记忆功能进行心算,另一种是利用辅助设备(如纸和笔)进行记录,再根据相应的规则进行计算,比如列竖试计算。两种方法的本质是一样的,区别只是记忆所基于的介质不同,前者是利用大脑本身的记忆功能,后者利用纸笔进行辅助记忆。

        能够实现加法计算的方式并不多,与大脑相似的更是没有。电脑在计算能力上虽然远超人脑,但其基于逻辑门器件的原理与人脑明显不同,运算过程与人脑有很大区别。

        加法计算是最基础的计算,它所包含的元素少、规则简单,相对于识别、思维等其它大脑活动,它更容易模拟,能更清晰的反映信息处理过程中的每一个步骤,更利于以一种非黑箱的方式来了解大脑。尽管加法计算所包含的元素不多,但麻雀虽小五脏俱,其仍涉及到输入、识别、记忆、运算、输出控制等信息处理的完整过程。因此,如果能模拟人类的加法计算,将对全面了解大脑具有重要意义。

        最强选择原理是本文作者提出的一个神经元层面上大脑工作原理的猜测。本文则是以最强选择原理为基础,对人脑的加法计算进行模拟,由此证明最强选择原理的合理性。

        对加法计算的模拟有如下内容

        1、模拟用加法表的方式进行计算。它包含了输入识别、输出控制过程。其中的重点主要在于对输入的识别。本模型采用的输入方式与电脑一样,通过代表不同数字及符号的按键进行输入。但有一个重要的区别:电脑在输入时,是不断会给输入的人进行反馈,这与两个人之间的交互方式完全不同。比如两个人之间的问答:

甲:1+1=?

乙:2

如果把乙换作电脑的方式,则变成如下过程:

甲:1

乙:1

甲:+

乙:+

                   ................

                       甲:?

乙:2

         电脑采用这种方式的原因在于键盘输入有很多不确定性。有的人按键时间长,有的人短;有时候误操作按到其它键或是同时按到两个键,有时候力量不足未能按实。不断交互反馈的优点是它可以完全消除这些输入的不确定性,但它仅限于字符输入,对于语音、图像等涉及到更复杂的不确定性却无能为力。本模型模拟人与人之间的交互方式,它需要对某一段输入进行识别并作出反应,而无须对每一个输入进行反馈(人在某些特殊情况下会反馈,比如“请再说一遍,我没听清”)。这就需要一个解决键盘输入不确定性的识别机制,还可以考察这种机制是否可以解决其它输入方式(如语音、图像)中的不确定性问题

         2、模拟以数数的方式进行单位数加法计算。它包含了输入识别、记忆、运算(数数)、输出控制过程。其中的重点是记忆机制。

          3、以数数来进行加法计算的方式,如何转化成加法表计算方法。加法表计算方法是一种高效率的结构,如何形成这个结构能反映出学习功能的基本原理。

          4、多位数加法计算。与模拟数数方式进行单位数加法计算一样,它也包含了输入识别、记忆、运算、输出控制,只是其中过程更复杂一些。主要考察前面提到的记忆机制是否能扩展应用。

 

谁对具体的模型感兴趣,请留言或私信我

登录后才可以评论,马上登录