Information Technology Reference
In-Depth Information
Die Matrix- bzw. Vektoroperationen weisen eine gewisse Ähnlichkeit zu der bekannten
Hebbschen Lernregel auf:
p
¦
p
¦
w i p
x i p
y p w ij Y i X j X i Y j
w ij
p 1
p 1
y p x T
¦
W
mit w ij Y i X j X i Y j
p
W Y 1 X T Y 2 X T Y 3 X T
.
(6.8)
p (pattern) steht für das jeweils zu lernende Muster.
Für das Modell der kognitiven Ontogenese werden die BAM-Netze folgendermaßen eingesetzt:
Einem künstlichen Lerner, der unter anderem durch verschiedene BAM-Netze repräsentiert ist,
werden verschiedene X-Vektoren vorgegeben. In der Phase des überwachten Lernens, d. h.
kontrolliert durch seine soziale Umgebung, erhält der einzelne Lerner zusätzlich den dazu
gehörigen Y-Vektor. Der Lerner generiert daraufhin die korrekte Matrix. Dabei bedeuten die
X-Vektoren bestimmte Wahrnehmungen wie z. B. das Sehen eines vierbeinigen kleinen Tiers;
der zugehörige Y-Vektor repräsentiert dann den entsprechenden Begriff wie etwa „Hund“ oder
„Katze“. Der Lernprozess besteht also in diesem Fall darin, dass einerseits die korrekte begriff-
liche Einordnung der Wahrnehmungen übernommen wird und dass andererseits durch die
Generierung der Matrix ein „Gedächtnis“ angelegt wird: Werden nach diesem Lernprozess
wieder die Wahrnehmungen als X-Vektor eingegeben, „erinnert“ sich das Netz, d. h., es bildet
durch die Multiplikation des X-Vektors mit der Matrix den zugehörigen Y-Vektor - „Katze“
oder „Hund“.
An diesem Beispiel wird deutlich, warum die BAM-Netze sich für die Simulation derartiger
Lernprozesse besonders gut eignen: Man kann sie „bi“ verwenden, d. h. sowohl von X-
Vektoren mit einer Matrix zu Y-Vektoren gelangen, als auch von Y-Vektoren mit der Matrix
zu den X-Vektoren. Sowie das Netz sich bei bestimmten Wahrnehmungen an den zugehörigen
Begriff erinnert, so erinnert es sich bei der Eingabe eines Begriffs an die entsprechenden
Wahrnehmungen. Beides ist erforderlich, damit man in einem nicht nur metaphorischen Sinn
von „Erinnern“ sprechen kann.
Da die Verarbeitungskapazität eines einzelnen BAM-Netzes beschränkt ist und zwar auf ca.
5 bis 7 Vektorpaare, muss ein einzelner Lerner mit mehreren BAM-Netzen ausgestattet sein.
Im Modell besteht ein einzelner Lerner aus durchschnittlich fünf Netzen. Weil die verschiede-
nen Lerner im Gesamtmodell sich in unterschiedlichen Entwicklungsphasen befinden, d. h., ein
Lerner hat mehr oder weniger Erfahrungen mit Wahrnehmungen und begrifflichen Zuordnun-
gen gemacht, bestehen die Lerner im allgemeinen aus unterschiedlich vielen BAM-Netzen.
ad (b) Lernen gemäß (a) ist überwachtes Lernen in dem Sinne, dass der Lernende explizite
Informationen darüber erhält, wie die begriffliche Ordnung der Wahrnehmungen vorzunehmen
ist. Häufig entsteht jedoch bei menschlichen Lernprozessen die Situation, dass Wahrnehmun-
gen aufgenommen werden, aber keine soziale Instanz vorhanden ist, die den korrekten Y-
Vektor, d. h. den zugehörigen Begriff, angibt. Dies kann z. B. im Fall sozialer Isolation ge-
schehen, wo das Individuum seine Begriffe selbst bilden muss; das kann jedoch auch, wie z. B.
in der Forschung häufig, dann erforderlich sein, wenn es für neuartige Wahrnehmungen noch
niemanden gibt, der über entsprechende Begriffe verfügt. Dabei ist allerdings zu beachten, dass
die Zuordnung unbekannter X-Vektoren zu neu zu bildenden Y-Vektoren nicht beliebig sein
Search WWH ::




Custom Search