Artificiella neurala nätverk och kognition
Kapitel i bok, 2012

Med artificiella neurala nätverk (ANN) menar man tekniska och/eller matematiska modeller gjorda för att efterlikna funktionen hos verkliga neurala system eller delar av dem. Syftet med att bygga sådana modeller är dels att matematiskt formulera teorier om hjärnans funktion vid varseblivning, minneslagring och inlärning, dels att bygga tekniska system som fungerar ungefär på samma sätt som man tror att hjärnan fungerar när det gäller att lösa olika problem. Artificiella neurala nätverk kan antingen byggas hårdvarumässigt med elektroniska komponenter (transistorer mm) eller mjukvarumässigt med programvara. I detta avsnitt visar vi att artificiella neurala nätverk har förmågan att förbättra sin funktion genom att de får ta del av input-output-data som exemplifierar den önskade funktionen; de kan alltså lära av egna erfarenheter. Vi visar också hur några av de vanligaste inlärningsmetoderna fungerar och visar på sambandet mellan dessa och associativ inlärning, klassisk betingning mm. Slutligen presenterar vi några exempel på vad artificiella neurala nätverk kan användas till inom tekniken.

lärande system

mönsterkomplettering

mönsterigenkänning

prediktion

neurala nätverk

Författare

Helge Malmgren

Göteborgs universitet

Bertil Thomas

Chalmers, Signaler och system, System- och reglerteknik, Reglerteknik

Kognitionsvetenskap [J. Allwood och M. Jensen (red)]

537-550

Ämneskategorier

Matematik

Neurovetenskaper

Robotteknik och automation

Signalbehandling

ISBN

9789144051666

Mer information

Skapat

2017-10-08