Computation and dissipative dynamical systems in neural networks for classification

مسائل بنیادی مربوط به یادگیری، پردازش و نمایندگی شناخت اولیه، در تاریخ و در زمان های اخیر مورد بحث بوده است. رویکرد علمی به شناخت الگو می تواند ابزاری جدید برای بررسی این مسائل پایه ای باشد که به نوبه خود می تواند رویکرد علمی به شناخت الگو را نیز اطلاع دهد. یکی از این ابزارها میتواند تجزیه و تحلیل یادگیری، پردازش و نمایندگی در شبکههای ارتباطی (یا عصبی) باشد که به طور گسترده برای تشخیص الگو مورد استفاده قرار گرفته است. بر اساس تجزیه و تحلیل ریاضی رفتار طبقه بندی شبکه های پیشنهادی، تحلیلی از بحث تجربی در برابر بحث های منطقی در مورد امکان یا عدم امکان القاء داده می شود. هدف تحقیق این است که نشان دهد که اشکال القاء ممکن است اما بدون فرم خاصی از ساختار و نمایش داده نمی شود. سپس تجزیه و تحلیل گسترش می یابد تا نقش نمایندگی را در شناخت الگو و ماهیت فرآیندهای فرعی پردازش پوشش دهد تا نشان دهد که مدل های شناخت از یک رابطه خاص بین پویایی و محاسبات حاصل می شود. این نمونه ها نشان می دهد که تعامل بین مدل سازی و بحث در مورد مسائل بنیادی می تواند برای هر دو سودمند باشد و می تواند راه های جدیدی را در بحث های فلسفی و بنیادی که در زمان های گذشته موجود نیست، باز کند.