home *** CD-ROM | disk | FTP | other *** search
/ Monster Media 1993 #2 / Image.iso / text / 9305nni.zip / 930503.ANC < prev    next >
Internet Message Format  |  1993-05-03  |  59KB
  1. From ml-connectionists-request@q.cs.cmu.edu Mon May  3 02:32:28 1993
  2. Received: by cse.uta.edu (5.57/Ultrix2.4-C)
  3.     id AA19287; Mon, 3 May 93 04:32:06 -0500
  4. Message-Id: <9305030932.AA19287@cse.uta.edu>
  5. Received: from Q.CS.CMU.EDU by Q.CS.CMU.EDU id ad00725; 1 May 93 1:13:29 EDT
  6. Received: from DST.BOLTZ.CS.CMU.EDU by Q.CS.CMU.EDU id aa00683;
  7.           1 May 93 0:14:45 EDT
  8. Received: from DST.BOLTZ.CS.CMU.EDU by DST.BOLTZ.CS.CMU.EDU id aa08435;
  9.           1 May 93 0:14:14 EDT
  10. Date: Fri, 30 Apr 1993 17:20:12 UTC+0100
  11. From: Joan Cabestany <cabestan@eel.upc.es>
  12. Subject: registration and conference program: IWANN'93
  13. To: CONNECTIONISTS@cs.cmu.edu
  14. Status: R
  15.  
  16.  
  17.  
  18.                  INTERNATIONAL WORKSHOP
  19.                                ON
  20.                    ARTIFICIAL NEURAL NETWORK
  21.  
  22.  
  23.                             IWANN'93
  24.  
  25.  
  26.  
  27.  
  28.  
  29.             FINAL PROGRAMME
  30.  
  31.  
  32.  
  33.                    Sitges (Barcelona), Spain
  34.  
  35.                        June 9 - 11, 1993
  36.  
  37.  
  38.  
  39.                             SPONSORED BY
  40.  
  41.  
  42.        IFIP (Working Group in Neural Computer Systems, WG10.6)
  43.                     IEEE Neural Networks Council
  44.                  UK&RI communication chapter of IEEE
  45.               Spanish Computer Society chapter of IEEE
  46.                     AEIA (IEEE Affiliate society)
  47.  
  48.  
  49.                             ORGANISED BY
  50.  
  51.                 Universidad Politecnica de Catalunya
  52.                   Universidad Autonoma de Barcelona
  53.                       Universidad de Barcelona
  54.                UNED (Madrid)
  55.  
  56.  
  57.  
  58.       IWANN'91 (International Workshop on Artificial Neural Networks) was held
  59.  in Granada (Spain) in September 1991. People from over 10 countries attended
  60.  the Workshop, and over 50 oral presentations were given.
  61.  
  62.       IWANN'93 is schedules for next June, 1993 in Sitges (Spain) with the 
  63. following final program.
  64.  
  65.  
  66.  
  67.  
  68.                           WELCOME TO DELEGATES
  69.  
  70.  
  71.               It is a pleasure to invite you to attend the second edition of INTERNATIONAL
  72.        WORKSHOP ON ARTIFICIAL NEURAL NETWORKS (IWANN'93) to be held in
  73.        Sitges (Barcelona, Spain) from June 9 to June 11, 1993, following the first edition done
  74.        in Granada (Spain) during September, 1991.
  75.  
  76.               IWANN's main objective is to offer a forum for achieving a global, informative
  77.        and advanced prespective on Artificial Neural Networks. In addition to conventional
  78.        Neural Networks aspects, IWANN'93 will also  be concerned with complementary topics
  79.        such as neural computation theory and methodology, local computation models,
  80.        organization and structures resembling biological systems.
  81.  
  82.               The actual Workshop will consist of 111 papers arranged into technical sessions
  83.        addressing the topics of Learning, Models, Biological perspectives, Hardware
  84.        implementations, Self-Organizing networks and Organizational principles, Artificial
  85.        vision, Control, Communications, Software, Signal processing and Applications.
  86.  
  87.  
  88.               A total of six Invited Conferences will open their respective sessions to be held
  89.        in Room A, and their objective is to focus the State-of-the-Art, and motivate discussion
  90.        and participation.
  91.  
  92.  
  93.               The Workshop is organized in cooperation with the Spanish RIG of the IEEE
  94.        Neural Networks Society, and the IFIP WG 10.6, and, is sponsored by the spanish
  95.        "Comisin Interministerial de Ciencia y Tecnologa" (CICYT), the catalan "Comissi
  96.        Interdepartamental per a la Recerca i Tecnologia" (CIRIT), and the organizing
  97.        Universities.
  98.  
  99.  
  100.               Welcome to the Workshop. We hope that IWANN'93 will be scientifically very 
  101.        rewarding and a good oportunity to get to know our country. Enjoy Sitges and
  102.        Barcelona, one of the most dynamic towns in Europe, and meet people working in
  103.        different topics of Neural Networks field.
  104.  
  105.  
  106.               The IWANN'93 Committees look forward to seeing you there.
  107.  
  108.  
  109.               Prof. Albert Prieto
  110.               General Chaiman, IWANN'93
  111.  
  112.  
  113.  
  114.  
  115.  
  116.  
  117.  
  118.  
  119.  
  120.  
  121.  
  122.  
  123.  
  124.  
  125.  
  126.                                  COMMITTEE OF HONOUR
  127.  
  128.  
  129.  
  130.  
  131.  
  132.  
  133.                                       Chairman
  134.                            Molt Honorable Sr. Jordi Pujol i Soley
  135.                            President of the Catalan Government
  136.  
  137.  
  138.  
  139.  
  140.                            Excm. Sr. Jordi Serra i Villalb
  141.                            Mayor of Sitges
  142.  
  143.                            Honorable Sr. Antoni Subir i Claus
  144.                            Minister of Industry and Energy
  145.  
  146.                            Sr. Josep Laporte i Sala
  147.                            President of the CIRIT
  148.  
  149.                            Sr. Alberto Prieto
  150.                            President of IWANN'93 Congress
  151.  
  152.                                    ORGANIZING COMMITTEE
  153.  
  154.  
  155. Chairman
  156. Jos Mira                         UNED. Madrid (E)
  157.  
  158. Senn Barro                       Univ. de Santiago (E)
  159. Joan Cabestany                    Univ. Pltca. de Catalua (E)
  160. Trevor Clarkson                   King's College London (UK)
  161. Ana Delgado                              UNED. Madrid (E)
  162. Federico Morn                    Univ. Complutense. Madrid (E)
  163. Conrad Prez                             Univ. Autnoma de Catalua (E)
  164. Francisco Sandoval                Univ. de Mlaga (E)
  165. Elena Valderrama                  CNM- Univ. Autnoma de Barcelona (E)
  166.  
  167.  
  168.  
  169.  
  170.                                       LOCAL COMMITTEE
  171.  
  172.  
  173. Chairman
  174. Joan Cabestany                    Univ. Pltca. de Catalua (E)
  175.  
  176. Jordi Carrabina                   CNM-Univ. Autnoma de Barcelona (E)
  177. Francisco Castillo                Univ. Pltca. de Catalua (E)
  178. Andreu Catal                     Univ. Pltca. de Catalua (E)
  179. Gabriela Cembrano                 Inst. de Ciberntica. CSIC. Barcelona (E)
  180. Conrad Prez                             Univ. de Barcelona (E)
  181. Elena Valderrama                  CNM-UNIv. Autnoma de Barcelona (E)
  182.  
  183.  
  184.  
  185.  
  186.                                     PROGRAMME COMMITTEE
  187.  
  188.  
  189. Chairman
  190. Jos Mira                         UNED. Madrid (E)
  191.  
  192. Sanjeev B. Ahuja                  Nielsen A.I.Research & Development. Bannokburn (USA)
  193. Igor Aleksander                   Imperial College. London (UK)
  194. Lus B. Almeida                   INESC. Lisboa (P)
  195. Shun-ichi Amari                   Faculty of Engineering. Univ. Tokyo (Jp)
  196. Xavier Arreguit                   CSEM SA (CH)
  197. Franois Blayo                    LERI-EERIE. Nimes (F)
  198. Colin Campbell                    University of Bristol. (UK)
  199. Leon Chua                         Univ. of California. Berkeley (USA)
  200. Trevor Clarkson                   King's College London (UK)
  201. Michael Cosnard                   Ecole Normale Superieure de Lyon (F)
  202. Marie Cottrell                    Univ. Paris I (F)
  203. Dante Del Corso                   Politecnico di Torino (I)
  204. Gerard Dreyfus                    ESPCI. Paris (F)
  205. F.K. Fogelman-Soulie              Mimetics. Chatenay Malabry (F)
  206. J. Simoes da Fonseca              Univ. de Lisboa (P)
  207. Kunihiko Fukushima                       Faculty of Engineering Science. Osaka University (Jp)
  208. Karl Goser                        Univ. Dortmund (D)
  209. Hans Peter Graf                   AT&T Bell Lab., New Jersey (USA)
  210. Francesco Gregoretti                     Politecnico di Torino (I)
  211. Karl E. Grosspietsch                     Mathematik und Datenverarbeitung (GMD). St.
  212. Agustin (D)
  213. Mohamad H. Hassoun                Wayne State University (USA)
  214. Jeanny Herault                    INPG Grenoble (F)
  215. Jaap Hoekstra                     Delft University of Technology (NL)
  216. P.T.W. Hudson                     Faculteit der Sociale Wetenschappen. Leiden University
  217. (NL)
  218. Jos Lus Huertas                 CNM- Universidad de Sevilla (E)
  219. Paul G.A. Jespers                 Universit Catholique de Louvain (B)
  220. Simon Jones                       IERI Loughborough Univ. of Technology (UK)
  221. Christian Jutten                  INPG Grenoble (F)
  222. H. Klar                           Inst. fr Mikroelektronik. Technische Universitt Berlin (D)
  223. Michael D. Lemmon                 Univ. of Notre Dame. Notre Dame (USA)
  224. Panos A. Ligomenides              Univ. of Maryland (USA)
  225. Javier Lpez Aligu                      Univ. de Extremadura (E)
  226. Robert J. Marks II                Univ. of Washington (USA)
  227. Anthony N. Michel                 Univ. of Notre Dame. Notre Dame (USA)
  228. Roberto Moreno                    Univ. Las Palmas de Gran Canaria (E)
  229. Josef A. Nossek                   Inst. of Network Theory and Circuit Design. Tech. Univ. of
  230.                                   Munich (D)
  231. Francisco J. Pelayo               Univ. de Granada (E)
  232. Franz Pichler                            Johannes Kepler Univ. (A)
  233. Ulrich Ramacher                   Siemens AG. Munich (D)
  234. Tmas Roska                              Comp. & Aut. Res. Inst. Hungarian Academy of
  235. Science.                                 Budapest (H)
  236. Leonardo Reyneri                  Univ. di Pisa (I)
  237. Peter A. Rounce                   Dept. Computer Science. Univ. College London (UK)
  238. V.B. David Snchez                German Aerospace Research Establishment. Wessling (G)
  239. E. Snchez-Sinencio                      Texas A&M University (USA)
  240. David Sherrington                 Dept. of Physics. Univ. of Oxford (UK)
  241. Renato Stefanelli                 Politecnico di Milano (I)
  242. T.J. Stonham                             Brunel-University of West London (UK)
  243. John G. Taylor                    Centre for Neural Networks. King's College London (UK)
  244. Carme Torras                      Inst. de Ciberntica. CSCI. Barcelona (E)
  245. Philip Treleaven                  Dept. Computer Science. Univ. College London (UK)
  246. Marley Vellasco                   Ponti. Univ. Catlica. Rio de Janeiro (BR)
  247. Michel Verleysen                  Univ. Catholique de Louvain (B)
  248. Michel Weinfeld                   Ecole Polytechnique Paris (F)
  249.  
  250.                                    WEDNESDAY, 9TH . JUNE
  251. 09:00 Hr.
  252.  
  253. ROOM A
  254.  
  255. Mathematical topics on Neural Learning.
  256. Prof S. Amari and Prof.N. Murata
  257. University of Tokyo.
  258. Moderator: E. Valderrama. Spain.
  259.  
  260. 10:00 Hr.
  261.  
  262. ROOM A
  263.  
  264. Learning - I
  265. Chairman: Prof.S. Amari. Japan.
  266.  
  267. * Self-organizing Grammar Induction using a Neural Network Model.
  268. C. Mannes. Boston University.(USA)
  269. * The role of forgetting in learning Strategies for Self-organizing Discriminator-based Systems.
  270. G. Tambouratzis and T.J. Stonham Brunel University.(UK)
  271. * Simulation of Stochastic Regular Grammars through simple recurrent Networks.
  272. M.A. Castao, E. Vidal and F. Casacuberta.
  273. Univ. Politcnica de Valencia.(E)
  274. * Local Stochastic Competition and Vector Quantization.
  275. M. Graa, A. D'Anjou, F.X. Albizuri, F.J. Torrealdea, M.C. Hernndez.
  276. CCIA Univ. del Pas Vasco.(E)
  277.  
  278. ROOM  B
  279.  
  280. Signal processing - I
  281. Chairman:Prof.M.A.Lagunas. Spain.
  282.  
  283. * Projectivity invariant Pattern Recognition with high-order Neural Networks.
  284. G. Joya and F. Sandoval. Universidad de Mlaga.(E)
  285. * Rejection of incorrect answer from a Neural net classifier.
  286. F.J. Smieja
  287. German National Research Centre for Computer Science (GMD) (D)
  288. * Nonlinear Time series modeling by Competitive Segmentation of State Space.
  289. C.J. Pantalen and A.R. Figueiras.
  290. Univ. Cantabria. UPM, Cdad. Univ.(E)
  291. * Identification and Prediction of Non-linear models with recurrant Neural Network.
  292. O. Adam, J.L. Zarader and M. Milgram
  293. Lab. Robotique de Paris(FR)
  294.  
  295. ROOM  C
  296.  
  297. Biological Perspectives - I
  298. Chairman: Prof. J. Hoekstra.
  299. The Netherlands.
  300.  
  301. * Integrated Learning in Rana Computatrix.
  302. F.J. Corbacho and M.A. Arbib.
  303. University of Southern California.(USA)
  304. * A model for visual stimuli centering through adaptive value learning.
  305. A. Murciano, J. Zamora and M. Reviriego.
  306. Univ. Complutense de Madrid.(E)
  307. * A model for the development of neurons selective to visual stimulus size.
  308. M.A. Andrade and F. Morn.
  309. Univ. Complutense de Madrid.
  310.  
  311. 11:20 Hr.
  312.  
  313. COFFEE BREAK
  314.  
  315. 11:50 Hr.
  316.  
  317. ROOM  A
  318.  
  319. Organizational Principles - I
  320. Chairman: Prof. M. Verleysen. Belgium.
  321. * Optimized learning for improving the evolution of piecewise linear separation incremental
  322. algorithms.
  323. J.M. Moreno, F. Castillo and J. Cabestany.
  324. Univ. Politcnica de Catalunya.(E)
  325. * A Method of Pruning Layered Feed-forward Neural Networks.
  326. M. Pelillo and A.M. Fanelli.
  327. Universit di Bari.(I)
  328. * MLP Modular versus YPREL Classifiers. Y. Lecourtier , B. Dorizzi 1, P. Sebire 1, and A.
  329. Ennaji. Univ. de Rouen, (1) Inst. Nac. des Tlcommunications.(FR)
  330. * Test of different regularization terms in small Networks.
  331. J.L. Crespo and E. Mora. Univ. de Cantabria.(E)
  332. * How many hidden neurons are needed to recognize a symmetrical pattern?. J. Patinel 1, G.
  333. Leone 2, and M. Maurice 3.
  334. (1) Lab. d'Intelligence Artificielle, (2) Lab. de Physiologie Neurosens., (3) Lab. de Robotique de
  335. Paris.(FR)
  336.  
  337. ROOM  B
  338.  
  339. Communication Systems
  340. Chairman: Prof. T. Clarkson. United Kigdom.
  341.  
  342. * Hopfield Neural Network for Routing.
  343. S. Cavalieri, A. Di Stefano and O. Mirabella. Universita' di Catania.(I)
  344. * Neural network Routing Controller for Communication parallel Multistage Interconnection
  345. Networks. A. Garca, A. Daz, F. Garca and F. Sandoval.
  346. Universidad de Mlaga.(E)
  347. * Adaptive Routing using Cellular Automata. J. Minot
  348. Lab. d'Electronique Philips.(FR)
  349. * Optimal blind Equalization of Gaussian channels. J. Cid 1, L. Weruaga and A.R. Figueiras.
  350. (1) Univ. de Valladolid.
  351. Univ. Politcnica de Madrid.(E)
  352.  
  353.  
  354.  
  355. ROOM  C
  356.  
  357. Theoretical Models - I
  358. Chairman: Prof. F. Morn. Spain.
  359.  
  360. * A Node Splitting Algorithm that reduces the number of connections in a hamming distance
  361. classifying Network. H. Hning.
  362. Aachen Univ. of Technology.(D)
  363. * A high order Neural Model.
  364. F.J. Lpez, M.I. Acevedo and M. Jaramillo.
  365. Univ. de Extremadura.(E)
  366. * Higher-order Networks for the optimization of Block Designs.
  367. P. Bofill and C. Torras.
  368. Univ. Politcnica de Catalunya.(E)
  369. * Region of influence (ROI) Networks. Model and Implementation. F. Castillo 1, J. Cabestany
  370. and J.M. Moreno.
  371. (1) E.U.P.
  372. E.T.S.E. Telecomunicacin.(E)
  373.  
  374. 13:00 Hr. 
  375.  
  376. LUNCH
  377.  
  378. 15:00 Hr.
  379.  
  380. Hybrid Programming Environments: integrating neural networks, genetic algorithms and rule-
  381. based systems.
  382. Prof.P.C. Treleaven and P.V. Rocha. University College London.
  383. Moderator: Prof. A. Prieto. Spain.
  384.  
  385. 16:00 Hr.
  386.  
  387. ROOM A
  388.  
  389. Software - I
  390. Chairman: Prof. P. Treleaven. United Kingdom.
  391.  
  392. * Automatic Generation of C++ Code for Neural Network Simulation. S. Dreiseitl and D.
  393. Wang. Johannes Kepler University.(A)
  394. * Urano: an Object-oriented Artificial neural Network Simulation Tool. L. Fuentes, J.F. Aldana
  395. and J.M. Troya.
  396. Universidad de Mlaga.(E)
  397. * Realistic Simulation Tool for early visual Processing including Space, Time and Colour Data.
  398. W. Beaudot, P. Palagi and J. Hrault. Inst. National Polytechnique de Grenoble.(FR)
  399.  
  400. ROOM B
  401.  
  402. Hardware - I
  403. Chairman: Prof. K. Goser. Germany.
  404. * A Neural Network Chip using CPWM Modulation. M. Chiaberge, D. del Corso, F. Gregoretti
  405. and L.M. Reyneri. Politecnico di Torino.(I)
  406. * Hardware implementation of a Neural Network for High Energy Physics application. J.
  407. Carrabina, F. Lisa, V. Gaitan, L. Garrido and E. Valderrama. Univ. Autnoma de Barcelona.(E)
  408. * An array processor Architecture for Neural Networks. J. Ortega, F.J. Pelayo, A. Prieto, B. Pino
  409. and C.G. Puntonet. Univ. de Granada.(E)
  410. * Limitation of connectionism in MLP. C.V. Regueiro, S. Barro and A. Yez 1. Univ. de
  411. Santiago de Compostela.(1) Univ. de La Corua.(E)
  412.  
  413. ROOM C
  414. Cognitive Science
  415. Chairman: Prof. S. Barro. Spain.
  416.  
  417. * A Neural state machine for iconic language representation.
  418. I. Aleksander 1 and H. Morton 2.
  419. (1) Imperial College, London.
  420. (2) Brunel University.(UK)
  421. * Variable binding using serial order in recurrent Neural Networks. J. Lpez and J. Sopena.
  422. Univ. de Barcelona.(E)
  423. * Planlite: Adaptive planning using weightless systems. J. Mrsic. Imperial College, London.(UK)
  424. * An adaptive information retrieval system based on Neural Networks. F. Crestani. Univ. di
  425. Padova.(I)
  426.  
  427. 17:20 Hr.
  428.  
  429. COFFEE BREAK
  430.  
  431. 17:50 Hr.
  432.  
  433. ROOM A
  434.  
  435. Organizational Principles - II
  436. Chairman: Prof. M. Cottrell. France.
  437.  
  438. * Comparative Study of Self-organizing Neural Networks.
  439. C. Wann and S. Thomopoulos. The Pennsylvania State Univ.(USA)
  440. * GANNet: A Genetic Algorithm for optimizing Topology and weight in Neural Network
  441. design.
  442. D.W. White and P.A. Ligomenides. Univ. of Maryland.(USA)
  443. * Full automatic ann design: A Genetic approach.
  444. E. Alba, J.F. Aldana and J.M. Troya. Univ. de Mlaga.(E)
  445.  
  446. ROOM  B
  447.  
  448. Software - II
  449. Chairman: Prof. J. Lpez. Spain.
  450.  
  451. * Language supported Storage and Reuse of persistent Neural Network Objects.
  452. C. Burdorf. Univ. of Bath.(UK)
  453. * Flexible operating environment for Matrix Based Neurocomputers.
  454. J.C. Taylor, M.L. Recce and A.S. Mangat. Univ. College London.(UK)
  455. * A parallel Implementation of Kohonen's self-organizing Maps on the Smart Neurocomputer.
  456. E. Filippi 1, and J.C. Lawson 2.
  457. (1) Politecnico di Torino.(I)
  458. (2) INPG, Labo TIRF, Grenoble.(FR)
  459.  
  460.  
  461. ROOM  C
  462.  
  463. Theoretical Models - II
  464. Chairman: Prof. F. Castillo. Spain.
  465.  
  466. * Neural bayesian Classifier.
  467. C. Jutten. INPG, Labo TIRF, Grenoble. P. Comon.(FR)
  468. * Constructive Methods for a new Classifier based on a Radial-Basis-Function Neural Network
  469. accelerated by a tree. P. Gentric and H. Withagen.
  470. Lab. d'Electronique Philips.(FR
  471. * Practical realization of a Radial Basis Function Network for handwritten digit recognition.
  472. B. Lemari. La Poste, Nantes.(FR)
  473. * Design of Fully and Partially connected Random Neural Networks fos Pattern Completion.
  474. C. Hubert. Univ. Ren Descartes.(FR)
  475.  
  476.                                    THURSDAY, 10TH. JUNE
  477.  
  478. 09:00 Hr.
  479.  
  480. ROOM  A
  481.  
  482. The Kolmogorov Signal processor. Prof. M.A. Lagunas, A. Prez, M. Najar, A. Pags. UPC
  483. TSC Department. Spain
  484. Moderator: Prof. C. Jutten. France.
  485.  
  486. 10:00 Hr.
  487.  
  488. ROOM  A
  489.  
  490. Signal Processing - II
  491. Chairman: Prof. C. Jutten. France.
  492.  
  493. * Use of Unsupervised Neural Networks for classification of Blood Pressure Time Series. M.J.
  494. Rodrguez, F. del Pozo and M.T. Arredondo. Univ. Politcnica de Madrid.(E)
  495. * Aplication of Artificial Neural Networks to chest Image classification. J.J. Fernndez, A.
  496. Caas, E. Roca, F.J. Pelayo, J. Fernndez and A. Prieto.
  497. Univ. de Granada.(E)
  498. * Software Pattern EEG Recognition after a Wavelet transform by a Neural Network.
  499. P. Clochon, D. Clarencon, R. Caterini and V. Roman. INSERM.(FR)
  500. * Combination of Self-organizing Maps and Multilayer Perceptrons for Speaker Independent
  501. Isolated Word Recognition.J. Tuya, E. Arias, L. Snchez and J.A. Corrales.
  502. Univ. de Oviedo.(E)
  503.  
  504. ROOM  B
  505.  
  506. Learning - II
  507. Chairman: Prof. F. Blayo. France.
  508.  
  509. * MHC - An Evolutive Connectionist Model for Hybrid Training. J.M. Ramrez.
  510. Paradigma.(VEN)
  511. * Fast Convergenced Learning Algorithms for Multi-level and Binary Neurons and Solving of
  512. some Image Processing problems. N.N. Aizenberg, and I.N. Aizenberg 1. Univ. of Uzhgorod. (1)
  513. Joint Venture PGD.(UKR)
  514. * Invariant Object Recognition using Fahlman and Lebiere's Learning Algorithm. K. Ito, M.
  515. Hamamoto, J. Kamruzzaman and Y. Kumagai. Muroran Inst. of Technology.(JP)
  516. * Realization of Surjective Correspondence in Artificial Neural Network trained by Fahlman
  517. and Lebiere's Learning Algorithm. M. Hamamoto, K. Ito, J. Kamruzzaman and Y. Kumagai.
  518. Muroran Inst. of Technology.(JP)
  519.  
  520. ROOM C
  521.  
  522. Biological Perspectives - II
  523. Chairman: Prof. J. Mira. Spain.
  524.  
  525. * An invariant Representation Mechanism after Presynaptic Inhibition. R. Moreno and O.
  526. Bolvar. Univ. de Las Palmas de Gran Canaria.(E)
  527. * The Pancreatic B-Cell as a Voltage-Controlles Oscillator.
  528. J.V. Snchez and B. Soria.
  529. Univ. de Alicante.(E)
  530. * Apprximation of the Solution of the Dendritic Cable Equation by a small series of Coupled
  531. Differential Equations. J. Hoekstra.
  532. Delft Univ. of Technology.(NL)
  533. * A Neural Network Model inspired in global appreciations about the Thalamic Reticular
  534. Nucleus and Cerebral Cortex Connectivity. J. Ropero. ICAI.(E)
  535.  
  536. 11:20 Hr.
  537.  
  538. COFFEE BREAK
  539.  
  540. 11:50 Hr.
  541.  
  542. ROOM  A
  543.  
  544. Applications - I
  545. Chairman: Prof. A. Prieto. Spain.
  546.  
  547. * Noise Prediction in Urban Traffic by a Neural Approach. G.Cammarata, S. Cavalieri, A.
  548. Fichera and L. Marletta. Univ. di Catania.(I)
  549. * An industrial application of Neural Networks to Natural Textures classification. G. Yahiaoui
  550. and B. Borocco 2. cole Spciale de Mcanique et d'Electricit. (2) PSA Peugeot Citron.(FR)
  551. * Stock Prices and Volume in an Artificial adaptive Stock Market.
  552. S. Margarita and A. Beltratti.
  553. Univ. di Torino.(I)
  554. * Application of the Fuzzy Artmap Neural Network Architecture to Bank Failure Predictions.
  555. L.J. de Miguel, E. Revilla, J.M. Rodrguez and J.M. Cano. Univ. de Valladolid.(E)
  556.  
  557. ROOM  B
  558.  
  559. Vector Quantizers
  560. Chairman: Prof. C. Prez. Spain.
  561. * Vector Quantization and Projection Neural Network.
  562. P. Demartines and J. Hrault.
  563. INPG, Labo. TIRF Grenoble.(FR)
  564. * Constructive Design of LVQ and DSM Classifiers. J.C. Prez and E. Vidal. Univ. Politcnica
  565. de Valencia.(E)
  566. * Linear Vector classification: an improvement on LVQ Algorithms to create classes of
  567. Patterns.
  568. M. Verleysen, P. Thissen and J.D. Legat. Univ. Catholique de Louvain.(B)
  569. * Non-Greedy adaptive Vector Quantizers. Z. Wang.
  570. Univ. of Waterloo.(CAN)
  571.  
  572. ROOM  C
  573.  
  574. Theoretical Models - III
  575. Chairman: Prof. A. Catal. Spain.
  576.  
  577. * Representation and Recognition of Regular Grammars by Means of Second-order recurrent
  578. Neural Networks. R. Alquzar and A. Sanfeliu. Inst. de Ciberntica (UPC-CSIC).(E)
  579. * Connectionist Models for Syllabic Recognition in the Time Domain. J. Santos and R.P. Otero.
  580. Univ. da Corua.(E)
  581. * Sparsely Interconnected Artificial Neural Networks for Associative Memories. D. Liu and
  582. A.N. Michel. Univ. of Notre Dame.(USA)
  583. * Dynamic Analysis of Networks of Neural Oscillators. A. Arenas and C.J. Prez. Univ. de
  584. Barcelona.(E)
  585. * Adaptive Models in Neural Networks. P.A. Ligomenides. Univ. of Maryland.(USA)
  586.  
  587. 13:00 Hr.
  588.  
  589. LUNCH
  590.  
  591. 15:00 Hr.
  592.  
  593. ROOM  A
  594.  
  595. Hardware Implementations of Artificial Neural Networks.
  596. Prof.D.Del Corso. Politecnico di Torino.
  597. Moderator: Prof. J. Cabestany. Spain.
  598.  
  599. 16:00 Hr.
  600.  
  601. ROOM A
  602.  
  603. Hardware - II
  604. Chairman: Prof. D. Del Corso. Italy.
  605.  
  606. * High Level Synthesis of Neural Network Chips. M.E. Nigri and P. Treleaven. Univ. College
  607. London.(UK)
  608. * Neural Network Simulations on massively parallel Computers: Applications in Chemical Physics.
  609. B.G. Sumpter, R.E. Guenther 1, C.Halloy 2, C. Getino and D.W. Noid. Oak Ride National Lab.
  610.  
  611. (1) Univ. of Nebraska at Ohama.
  612. (2) Univ. of Tennessee.(USA)
  613. * A model based Approach to the Performance Analysis of Multi-Layer Networks realised in
  614. Linear Systolic Arrays. D. Naylor and S. Jones. Loughborough Univ. of Technology.(UK)
  615. * The temporal Noisy-Leaky Integrator Neuron with additional Inhibitory Inputs. G. Bugmann, C.
  616. Christodoulou, T.G. Clarkson and J.G. Taylor. King's College London.(UK)
  617.  
  618. ROOM  B
  619.  
  620. Control & Robotics - I
  621. Chairman: Prof. C. Torras. Spain.
  622.  
  623. * Neural Networks as Direct Adaptive Controllers. M. Bahrami.
  624. Univ. of New South Wales.(AUS)
  625. * A Neural Adaptive Controller for a Turbofan Exhaust Nozzle. C. Barret, M. Houkari, P. Meyne,
  626. J.M. Martnez 1, A. Garassino 2, and P. Tormo 2. Univ. Evry Val d'Essonne.
  627. (1) Commissariat  l'Energie Atomique. (2) SNECMA Villaroche.(FR)
  628. * Feed-Forward Neural Networks for Bioreactor Control. A. Bulsari, B. Saxn and H. Saxn. bo
  629. Akademi.(FIN)
  630.  
  631. ROOM  C
  632.  
  633. Artificial Vision - I
  634. Chairman: Prof. J. Herault. France.
  635.  
  636. * A Connectionist Approach to the Correspondence Problem in Computer Vision. H. Sako and H.I.
  637. Avi-Itzhak 1. Hitachi Dublin Lab.
  638. (1) Stanford Univ.(IRE)
  639. * Self-Organizing Feature Maps for Image Segmentation. R. Natowicz and R. Sokol 1. E.S.I.E.E.. (1)
  640. Univ. de Paris.(FR)
  641. * Recognition of Fractal Images using a Network. B. Freisleben, J.H. Greve and J. Lber. Univ. of
  642. Darmstadt.(D)
  643. * Feed-Forward Network for Vehicle License Character Recognition. F. Lisa, J. Carrabina, C. Prez,
  644. N. Avellana and E. Valderrama. Univ. Autnoma de Barcelona.(E)
  645.  
  646.  
  647. END OF SESSIONS
  648.  
  649.                                     FRIDAY, 11TH. JUNE
  650.  
  651. 09:00 Hr.
  652.  
  653. ROOM  A
  654.  
  655. Biophysics of Neural Computation.
  656. Prof. K.N. Leibovic. Univ. of New York at Buffalo.USA
  657. Moderator: Prof. J. Mira. Spain.
  658.  
  659. 10:00 Hr.
  660.  
  661. ROOM  A
  662.  
  663. Biological Perspectives - III
  664. Chairman: Prof. K.N. Leibovic. U.S.A.
  665.  
  666. * Towards more realistic Self Contained Models of Neurons: High-Order, Recurrence and
  667. Local Learning. J. Mira, A.E. Delgado, J.R. Alvarez, A.P. de Madrid and M. Santos. UNED.(E)
  668. * McCulloch's Neurons Revisited.
  669. R.J. Scott. Univ. of Maryland Baltimore County.(USA)
  670. * Biologically Motivated Approach to Face Recognition. N. Petkov, P. Kruizinga and T.
  671. Lourens.(NL)
  672. Rijksuniversiteit Groningen.
  673. * Learning by Reinforcement: a Psychobiological Model. F.J. Vico, F. Sandobal and J. Almaraz.
  674. Univ. de Mlaga.(E) 
  675.  
  676. ROOM  B
  677.  
  678. Learning - III
  679. Chairman: Prof. P. Ligomenides. U.S.A.
  680. * Bimodal Distribution Removal.
  681. P. Slade and T.D. Gedeon. Univ. of New South Wales.(AUS)
  682. * A simplified Artmap Architecture for Real-Time Learning. A. Guazzelli, D. Barone and E.C.
  683. de B. Carvalho Filho 1. Univ. Fed. do Rio Grande do Sul. (1) Univ. Fed. de Pernambuco.(BR)
  684. * B-Learning: a Reinforcement Learning Algorithm, Comparison with Dynamic Programming.
  685. T. Langlois and S. Canu. Lyonese des Eaux Dumez. Univ. de Technology de Compigne.(FR)
  686. * Increased Complexity Training.
  687. I. Cloete and J. Ludik. Univ. of Stellenbosch.(SA)
  688.  
  689. ROOM  C
  690.  
  691. Artificial Vision - II
  692. Chairman: Prof. F. Sandoval. Spain.
  693.  
  694. * Interpretation of Optical Flow through complex Neural Network.
  695. M. Miyauchi, M. Seki, A. Watanabe and A. Miyauchi. SANNO College, Musashi Inst. of
  696. Technology.(JP)
  697. * CT Image Segmentation by Self-Organizing Learning. D. Cabello, M.G. Penedo, S. Barro, J.M.
  698. Pardo and J. Heras. Univ. de Santiago de Compostela.(E)
  699. * Texture Image Segmentation using a modified Hopfield Network. A. Mosquera, D. Cabello,
  700. M.J. Carreira and M.G. Penedo. Univ. de Santiago de Compostela.(E)
  701. * Image Compression with Self-Organizing Networks. B. Freisleben and M. Mengel. Univ. of
  702. Darmstadt.(D)
  703.  
  704. 11:20 Hr.
  705.  
  706. COFFEE BREAK
  707.  
  708. 11:50 Hr.
  709.  
  710. ROOM  A
  711.  
  712. Applications - II
  713. Chairman: Prof. G. Cembrano. Spain.
  714.  
  715. * Use of a Layered Neural Nets as a Display Method for N-Dimensional Distributions. L.
  716. Garrido 1-2, V. Gaitan 2, M. Serra 3 and X. Calbet 3. (E)
  717. (1) Univ. de Barcelona.
  718. (2) Univ. Autnoma de Barcelona. (3) Inst. de Astrofsica de Canarias.
  719. * Simulation of Neural Networks in a Distributed Computing Environment using NeuroGraph.
  720. P. Wilke. Univ. Erlangen-Nuernberg.(D)
  721. * Combination of Neural Network and Statistical Methods for Sensory Evaluation of Biological
  722. Products: on-line Beaty Selection of Flowers.
  723. F. Ros, A. Brons, f. Sevila, G. Rabatel and C. Touzet (1).
  724. CEMAGREF. (1) LERI-ERIEE.(FR)
  725.  
  726. ROOM  B
  727.  
  728. Self-Organizing Networks
  729. Chairman: Prof. E. Valderrama. Spain.
  730.  
  731. * On the Distribution of Feature Space in Self-Organizing Mapping and Convergence
  732. Accelerating by a Kalman Algorithm. H. Yin and N.M. Allinson. Univ. of York.(UK)
  733. * A learning Algorithm to Obtain Self-Organizing Maps using Fixed Neighbourhood Kohonen
  734. Networks.
  735. P. Martin, F.J. Pelayo, A. Daz, J. Ortega and A. Prieto. Univ. de Granada.(E)
  736. * Analysing a Contingency Table with Kohonen Maps: a Factorial Correspondence Analysis.
  737. M. Cottrell, P. Letremy and E. Roy. Univ. de Paris.(FR)
  738. * Dynamics of Self-Organized Feature Mapping. R. Der, T. Willmann. Univ. Leipzig.(D)
  739.  
  740. ROOM  C
  741.  
  742. Theoretical Models - IV
  743. Chairman: F. Pelayo. Spain.
  744.  
  745. * Optimised Attractor Neural Networks with External Inputs.
  746. A.N. Burkitt. Australian National Univ.(AUS)
  747. * Non-Orthogonal Bases and Metric Tensors: some Applications to Biology and Artificial
  748. Neural Networks. K. Weigl and M. Berthod. INRIA.(FR)
  749. * Genetic Synthesis of Discrete-Time Recurrent Neural Network.
  750. F.J. Marn and F. Sandoval. Univ. de Mlaga.(E)
  751. * Optimization of a Competitive Learning Neural Network by Genetic Algorithms. J.J. Merelo,
  752. M. Patn, A. Caas, A. Prieto and F. Morn 1. Univ. de Granada.
  753. (1) Univ. Complutense de Madrid.(E)
  754.  
  755. 13:00 Hr.
  756.  
  757.                                            LUNCH
  758.  
  759. 15:00 Hr.
  760.  
  761. ROOM  A
  762.  
  763. Networks for Estimation, Control and Robotics.
  764. Prof. J.J.E. Slotine, RM Sanner MIT (USA)
  765. Moderator: Prof. C. Torras. Spain.
  766.  
  767. 16:00 Hr.
  768.  
  769. ROOM  A
  770.  
  771. Control & Robotics - II
  772. Chairman: Prof.J.J.E.Slotine. U.S.A.
  773. * Learning Networks for Process Identification and Associative Action. L. Borland and H.
  774. Haken.
  775. Univ. of Stuttgart.(D)
  776. * On-line Performance Enhancement of a Behavioral Neural Network Controller.
  777. J.R. Pimentel, D. Gachet, L. Moreno and M.A. Salichs. Univ. Politcnica de Madrid.(E)
  778. * An Architecture for Implementing Control and Signal Processing Neural Networks.
  779. R.P. Palmer and P.A. Rounce. Univ. College London.(UK)
  780.  
  781. ROOM  B
  782.  
  783. Hardware - III
  784. Chairman: Prof. S. Jones. United Kingdom.
  785. * Architectures for Self-Learning Neural Network Modules.
  786. T.G. Clarkson and C.K. Ng. King's College London.(UK)
  787. * The Generic Neuron Architectural Framework for the Automatic Generation of ASICs.
  788. M.M.B.R. Vellasco and P.C. Treleaven 1. Pontificia Univ. Catlica do Rio de Janeiro.(BR) (1)
  789. Univ. College London.(UK)
  790. * A Risc Architecture to Support Neural Net Simulation. M. Pacheco and P.C. Treleaven 1.
  791. Pontificia Univ. Catlica do Rio de Janeiro.(BR). (1) Univ. College London.(UK)
  792. * Hardware Design for Self-Organizing Feature Maps with Binary Input Vestors. S. Rping, U.
  793. Rckert and K. Goser. Univ. of Dortmund.(D)
  794.  
  795.                               ACCOMPANYING PERSONS PROGRAMME
  796.  
  797. Tuesday, 8th. June
  798.  
  799. 20:00 Hrs.          Welcome Reception at "Maricel" Palace.
  800.  
  801. Wednesday, 9th. June
  802.  
  803. 09:30 Hrs.          HISTORICAL AND ARTISTIC CITY TOUR OF BARCELONA.
  804.                     Including: The Gothic Quarter, the 14th Century Gothic Cathedral, the
  805.                     "Paseo de Gracia" where the most important Modernist buildings are
  806.                     placed, the Sagrada Familia, etc.
  807.  
  808. Thursday, 10th. June
  809.  
  810. 09:30               SITGES CITY TOUR AND MUSEUMS.
  811.                     Sitges is a summer and international tourism resort. The white washed
  812.                     houses, the seaside boulevard and the church on the sea create a
  813.                     beautiful and pleasant ensemble. Artists, such as Rusiol or Utrillo,
  814.                     already discovered its charm at the end of the XIXth century. The Cau
  815.                     Ferrat Museum and the Maricel Museum, display beautiful samples of the
  816.                     Catalan modern art.
  817.  
  818. 21:00               Gala Dinner at Great Casino of Sitges.
  819.  
  820.                                     GENERAL INFORMATION
  821.  
  822. CONGRESS VENUE
  823.  
  824. The IWANN'93 Congress will be held in Sitges, a city located 35 Km. south of Barcelona.
  825. All sessions will take place at GRAN SITGES HOTEL:
  826.  
  827.  
  828.  
  829.                            Gran Sitges Hotel
  830.                            Port d'Aiguadol
  831.                            08870 Sitges (Barcelona)
  832.                            Spain
  833.  
  834. TRANSPORTATION TO SITGES
  835.  
  836. By air: The Barcelona-El Prat International Airport is linked to Barcelona by rail (Barcelona
  837. Sants Station) every 30 minutes, by bus (Aerobus) every 15 minutes, and by taxi. Sitges is also
  838. linked to the airport by rail, changing train in El Prat Station or through Barcelona Sants
  839. Station.
  840.  
  841. By Rail: Internationals direct lines to Barcelona (Francia and Sants) Stations come from
  842. Geneva and Bern (Switzerland), Paris (France) and Milan (Italy). There are also many trains
  843. from Madrid, some of them overnight. Sitges is linked to Barcelona Sants Station by local trains
  844. every 15-30 minutes.
  845. By Road: Motorway A-17/7 from La Jonquera (at the French border) links up with the French
  846. motorway network; and thence, Great Britain and all northern and eastern countries. Motorway
  847. A-7 to the west and south connects Barcelona with the rest of Spain. Sitges is linked to
  848. Barcelona city and Airport by Motorway A-16 and country road C-246.
  849.  
  850. HOTEL RESERVATIONS
  851.  
  852. A number of rooms in different prices and categories have been booked in Sitges for the
  853. Congress attendants. Reservations made through the General Secretariat by registration form
  854. have a special price in all Hotels. Payment of a deposit per room will be necessary to confirm
  855. any hotel reservation. This amount will be deducted from your hotel invoice.
  856.  
  857. See official list and map of the city attached in the back cover of this programme.
  858.  
  859. Please consult special rates for consolidated groups (minimum 20 persons).
  860.  
  861. OFFICIAL LANGUAGES AND SIMULTANEOUS TRANSLATION
  862.  
  863. English will be the official language of IWANN'93. Simulaneous translation will not be
  864. provided.
  865.  
  866. DOCUMENTATION AND INFORMATION
  867.  
  868. Congress documents, personal budgets, and tickets will be handed over to attendants and
  869. accompanying persons at the Congres Secretariat from Tuesday 8th June to Friday 11th June.
  870.  
  871. The Secretariat will be open every day from the begining to the end of the work sessions.
  872.  
  873. REGISTRATION
  874.  
  875. Registration and payment of fees will be absolutely necessary so as to attend the Workshop
  876. sessions and social events.
  877.  
  878. On site registration is discouraged in order to avoid queueing.
  879.  
  880. Registration Fees include:
  881.  
  882. Attendants                               Accompanying Persons
  883.  
  884. - Welcome reception                            - Welcome reception
  885. - Proccedings                                  - Barcelona City Tour
  886. - Attendance to all Scientific Meetings  - Sitges City Tour and Museums
  887. - Coffee Breaks                          - Gala Dinner
  888. - Gala Dinner
  889.  
  890. Basic Inscription                        Economy Inscription
  891.  
  892. - Proccedings                                  - Attendance to all Scientific Meetings
  893. - Attendance to all Scientific Meetings  - Coffee Breaks
  894. - Coffee Breaks
  895.  
  896. SOCIAL EVENTS
  897.  
  898. Tuesday 8th June
  899.  
  900. 20:00 Hrs.    Welcome Reception at "Maricel" Palace, the historical and cultural centre of
  901.               Sitges which is overlooking the sea. This Palace, at present a museum, is a
  902.               sample of the Catalan modern art ("Modernism").
  903.  
  904. Thursday 10th June
  905.  
  906. 21:00 Hrs.    Gala Dinner at Great Casino of Sitges located in Sant Pere de Ribes, 5Km. far
  907.               from Sitges. This construction was built at the end of 19th. century in Catalan-
  908.               Renaissance style. It's spacious halls are beautifully decorated and the access to
  909.               the Casino is a long boulevard with cypresses and period street lamps. An
  910.               unforgettable setting!.Free entrance to the Casino after the dinner showing the
  911.               passport or D.N.I.
  912.  
  913. OPTIONAL TOURS
  914.  
  915. Optional Tours and Excursions will be organized on Saturday and Sunday for the attendants
  916. wishing to extend their stay after the Workshop.
  917.  
  918. Caves and Montserrat (full day)          Price : 7.500.- Ptas (Minimum 30 persons)
  919.  
  920. We will visit a famous Caves of Sant Sadurn d'Anoia (placed on the most important wine-
  921. producing region of Catalonia). Lunch. Montserrat is a unique mountain located at a height
  922. of 1.235 mts.. In the Royal basilica is placed the famous Black Virgin. We will listen to the
  923. "Escolanets", the oldest child chorus in Europe.
  924.  
  925.  
  926.  
  927.  
  928. Modernism in Barcelona (half day)        Price : 3.500.- Ptas (Minimum 30 persons)
  929.  
  930. During this tour you can see the most important modernist works of Barcelona.
  931. Some houses located at the Paseo de Gracia, built with the particular imagination of the
  932. architects, painters and sculptors of the beginning of this century; the Holy Family Church, the
  933. still unfinished masterpiece of striking originality, begun in 1884 by A. Gaudi; the Gell Park,
  934. initially created as a Garden City and today a public park.
  935.  
  936. Girona and Dal Museum (full day)        Price : 8.000.- Ptas (Minimum 30 persons)
  937.  
  938. Founded in ancient times, Girona preserves numerous vestiges of its Roman, Christian, Arab
  939. and Frankish past. From the 12th century to the present, it has witnessed the Catalonian War
  940. of Secession; the war against Louis XIV; the siege mounted by Philip V, and the defense
  941. against Napoleonic forces. The inner city is one of the most beautiful and best preserved in
  942. Spain. It consists of a number of steep, narrow streets, sometimes porticoed, that converge onto
  943. flights of stairs leading to different street levels and up to the Cathedral. Lunch. At Figueres,
  944. capital of Ampurdan region, we will visit the famous Dali Theater-Museum, the most visited
  945. one in Spain, after the Prado. Many works of this recently died genious artist are displayed in
  946. an original way.
  947.  
  948. CANCELLATION OF REGISTRATION
  949.  
  950. Notification of cancellation must be sent in writing to ULTRAMAR CONGRESS and will be
  951. accepted until April 30th., 1993 with refund of fees except a cancellation charge of 25%.
  952. No refunds can be made for cancellation received after April 30th., 1993.
  953. Refunds will be dealt with after the Congress.
  954.  
  955. GENERAL SECRETARIAT
  956.  
  957. For any matters related to correspondance, registration forms, payment of fees, hotel
  958. reservation, deposit, etc., please contact:
  959.  
  960.                     ULTRAMAR CONGRESS
  961.                     Diputaci, 238  3
  962.                     08007 Barcelona
  963.                     Tel. (34-3) 317.37.00  -  Fax. (34-3) 412.03.19
  964.  
  965.  
  966. __________________________________________________________________________________________________
  967.  
  968.                REGISTRATION FORM
  969.  
  970. ****************************************************************************
  971.  
  972.                 IWANN'93
  973.  
  974.     INTERNATIONAL WORKSHOP ON ARTIFICIAL NEURAL NETWORKS
  975.         SITGES (BARCELONA)  Spain  June 9-11, 1993
  976.  
  977.  
  978.  
  979. Name:______________________________________________________________________
  980.  
  981. Accompanying person:_______________________________________________________
  982.  
  983. Address:_______________________________ Tel:______________Fax:_____________
  984.  
  985. Z.C. __________ City ____________________ Country__________________________
  986.  
  987. Institution or Centre _____________________________________________________
  988.  
  989.  
  990.  
  991.  
  992. REGISTRATION FEES
  993.  
  994.  
  995.                Before April 31    After April 31
  996.  
  997. Full Inscription        60.000 ptas    70.000 ptas  _______________
  998. Basic Inscription (*)        40.000 ptas    50.000 ptas  _______________
  999. Economy Inscription (**)    30.000 ptas    35.000 ptas  _______________
  1000. Accompanying Person Fees    40.000 ptas    50.000 ptas. _______________
  1001.  
  1002.  
  1003. (*) Only for students with accreditation and delegates from America
  1004.     (except USA and Canada), and East European Countries.
  1005.  
  1006. (**)Without proceedings.Only for students.
  1007.  
  1008. On site registration is discouraged.
  1009.  
  1010.  
  1011. HOTEL RESERVATION
  1012. Special Hotel rates per night (Breakfast included)
  1013.  
  1014.  
  1015.                 Twin Room    Single use room  tax
  1016.  
  1017. [] Gran Sitges Hotel ****    15,750 ptas    12,600 ptas    6%
  1018. [] San Sebastian Htl ****    12,500 ptas     9,500 ptas    6%
  1019. [] Sitges Park Hotel ***     8,000 ptas     6,500 ptas    6%
  1020. [] Subur Hotel ***         8,300 ptas     6,200 ptas    6%
  1021. [] Hotel Don Pancho **         5,500 ptas     4,400 ptas    6%
  1022.  
  1023. Please reserve ________ room(s)    [] Twin(s)   [] Single(s)
  1024.  
  1025. at Hotel ______________________________________
  1026.  
  1027. Date of arrival ________________  Date of departure ___________________
  1028.  
  1029.  
  1030. HOTEL RESERVATION DEPOSIT
  1031. Following deposit per room will be necessary to confirm any Hotel reservation:
  1032. Hotel****:20.000 ptas   Hotel***: 15.000 ptas   Hotel**:10.000 ptas.
  1033.  
  1034. Attached Hotel Deposit :____________________ ptas x _______ rooms= ___________
  1035.  
  1036.                     TOTAL ATTACHED PAYMENT _______________ 
  1037.  
  1038.  
  1039.  
  1040.     Payment of Registration Fees will be necessary to attend the
  1041. Workshop sessions and social events. Registration Fees include:
  1042.  
  1043.     For Attendants            For Accompanying persons
  1044.  
  1045.     - Welcome Reception        - Welcome Reception.
  1046.     - Proceedings            - Barcelona City Tour
  1047.     - Attendence to all        - Museums of Sitges Tour
  1048.       Scientific Meetings        - Official Dinner
  1049.     - Coffee Breaks
  1050.     - Official Dinner
  1051.  
  1052.  
  1053.     Basic Inscription        Economy Inscription
  1054.  
  1055.     - Proceedings            - Attendance to all Scientific
  1056.     - Attendance to all          Meetings
  1057.       Scientific Meetings        - Coffee Breaks
  1058.     - Coffee Breaks
  1059.  
  1060.  
  1061. METHODS OF PAYMENT
  1062.  
  1063. [] By bank draft in Pesetas, payable to ULTRAMAR CONGRESS on a Spanish Bank.
  1064.  
  1065. [] By bank transfer to:
  1066.  
  1067.         BANCO CENTRAL (c/o ULTRAMAR CONGRESS) Branch No.20
  1068.         Paseo de Gracia, 3  08007 Barcelona
  1069.         Acct. No. 13575-70
  1070.  
  1071.    Please attach copy of Bank transfer to this form. Transfer fees to be paid
  1072.    by the sender.
  1073.  
  1074. [] By VISA Credit Card No._____________________  Expiration date ______________  
  1075.    Name of Card Holder ________________________________________________________
  1076.  
  1077. Please send this REGISTRATION FORM, together with payment, to
  1078.  
  1079. ULTRAMAR CONGRESS  Diputacio, 238, tercer  08007 BARCELONA Spain
  1080. Tel. (34-3) 317.37.00    Fax. (34-3) 412.03.19
  1081.  
  1082.  
  1083. Date: ____________________       Signature: _______________________________
  1084.  
  1085.  
  1086.  
  1087. THE WORKSHOP VENUE
  1088.  
  1089.     Sitges is located 35 Km. south of Barcelona. The city is well known
  1090. for its beaches and its promenade facing the Mediterranean sea. Sitges is
  1091. also knownfor its cultural events, and interesting Museums (Maricel,
  1092. Santiago Rusinol...)
  1093.  
  1094.     IWANN'93 will be held at one of the most modern Convention Centres
  1095. of Mediterranean Coast, The Gran Sitges Hotel, an unique complex in which
  1096. business and leisure go hand in hand. Opened in 1991, its Congress and
  1097. Conventions facilities include 13 Meeting Rooms equipped with all the
  1098. necessary means.  The Mediterranean Sea can be seen from every balcony of
  1099. its 307 guest rooms.  All of them are designed to offer maximum comfort
  1100. (TV, mini-bar, air-conditio- ning and a wall safe).
  1101.  
  1102.     Sitges can be easily accesed by train (every 30 minutes), and it is
  1103. wellcommunicated by highway.
  1104.  
  1105.  
  1106. OPTIONAL TOURS
  1107.  
  1108.     Optional tours and excursions will be organized on Saturday and
  1109. Sunday for the attendants wishing to extend their stay after the Workshop.
  1110.  
  1111. From X Mon May  3 22:14:03 PDT 1993
  1112. Article: 11371 of comp.ai
  1113. Xref: serval comp.ai:11371 comp.ai.neural-nets:8963
  1114. Path: serval!netnews.nwnet.net!ogicse!network.ucsd.edu!crl!elman
  1115. From: elman@crl.ucsd.edu (Jeff Elman)
  1116. Newsgroups: comp.ai,comp.ai.neural-nets
  1117. Subject: new books in MIT Neural Networks/Connectionism series
  1118. Message-ID: <1s4nun$lcf@network.ucsd.edu>
  1119. Date: 4 May 93 03:29:27 GMT
  1120. Article-I.D.: network.1s4nun$lcf
  1121. Distribution: world
  1122. Organization: University of California, San Diego
  1123. Lines: 395
  1124. NNTP-Posting-Host: crl.ucsd.edu
  1125.  
  1126.  
  1127. The following books have now appeared as part of the Neural Network
  1128. Modeling and Connection Series, and may be of interest to readers of
  1129. this news group.  Detailed descriptions of each book, along with table
  1130. of contents, follow.
  1131.  
  1132. Jeff Elman
  1133. ============================================================
  1134.  
  1135. Neural Network Modeling and Connectionism Series
  1136.   Jeffrey Elman, editor.  MIT Press/Bradford Books.
  1137.  
  1138. * Miikkulainen, R. "Subsymbolic Natural Language Processing
  1139.     An Integrated Model of Scripts, Lexicon, and Memory"
  1140. * Mitchell, M.  "Analogy-Making as Perception A Computer Model"
  1141. * Cleeremans, A.  "Mechanisms of Implicit Learning Connectionist Models
  1142.     of Sequence Processing"
  1143. * Sereno, M.E. "Neural Computation of Pattern Motion Modeling Stages of
  1144.     Motion Analysis in the Primate Visual Cortex"
  1145. * Miller, W.T., Sutton, R.S., & Werbos, P.J. (Eds.), "Neural Networks for
  1146.     Control"
  1147. * Hanson, S.J., & Olson, C.R. (Eds.) "Connectionist Modeling and Brain
  1148.     Function The Developing Interface"
  1149. * Judd, S.J. "Neural Network Design and the Complexity of Learning"
  1150. * Mozer, M.C. "The Perception of Multiple Objects A Connectionist
  1151.     Approach"
  1152.  
  1153. ------------------------------------------------------------
  1154. New
  1155. Subsymbolic Natural Language Processing
  1156. An Integrated Model of Scripts, Lexicon, and Memory
  1157. Risto Miikkulainen
  1158.  
  1159. Aiming to bridge the gap between low-level connectionist models and 
  1160. high-level symbolic artificial intelligence, Miikkulainen describes 
  1161. DISCERN, a complete natural language processing system implemented 
  1162. entirely at the subsymbolic level. In DISCERN, distributed neural 
  1163. network models of parsing, generating, reasoning, lexical processing, 
  1164. and episodic memory are integrated into a single system that learns to 
  1165. read, paraphrase, and answer questions about stereotypical narratives. 
  1166.  
  1167. Using the DISCERN system as an example, Miikkulainen introduces a 
  1168. general approach to building high-level cognitive models from 
  1169. distributed neural networks, and shows how the special properties of 
  1170. such networks are useful in modeling human performance. In this approach 
  1171. connectionist networks are not only plausible models of isolated 
  1172. cognitive phenomena, but also sufficient constituents for complete 
  1173. artificial intelligence systems.
  1174.  
  1175. Risto Miikkulainen is an Assistant Professor in the Department of 
  1176. Computer Sciences at the University of Texas,  Austin.
  1177.  
  1178. Contents: I.Overview. Introduction. Background. Overview of DISCERN. II. 
  1179. Processing Mechanisms. Backpropagation Networks. Developing 
  1180. Representations in FGREP Modules Building from FGREP Modules. III. 
  1181. Memory Mechanisms. Self-Organizing Feature Maps. Episodic Memory 
  1182. Organization: Hierarchical Feature Maps. Episodic Memory Storage and 
  1183. Retrieval: Trace Feature Maps. Lexicon. IV. Evaluation. Behavior of the 
  1184. Complete Model. Discussion. Comparison to Related Work. Extensions and 
  1185. Future Work. Conclusions. Appendixes: A Story Data. Implementation 
  1186. Details. Instructions for Obtaining the DISCERN Software.
  1187.  
  1188. A Bradford Book
  1189. May 1993 - 408 pp. - 129 illus. - $45.00
  1190. 0-262-13290-7     MIISH
  1191.  
  1192. ------------------------------------------------------------
  1193. New
  1194. Analogy-Making as Perception
  1195. A Computer Model
  1196. Melanie Mitchell
  1197.  
  1198. Analogy-Making as Perception is based on the premise that analogy-making 
  1199. is fundamentally a high-level perceptual process in which the 
  1200. interaction of perception and concepts gives rise to "conceptual 
  1201. slippages" which allow analogies to be made. It describes Copycat, 
  1202. developed by the author with Douglas Hofstadter, that models the 
  1203. complex, subconscious interaction between perception and concepts that 
  1204. underlies the creation of analogies. 
  1205.   
  1206. In Copycat, both concepts and high-level perception are emergent 
  1207. phenomena, arising from large numbers of low-level, parallel, 
  1208. non-deterministic activities. In the spectrum of cognitive modeling 
  1209. approaches, Copycat occupies a unique intermediate position between 
  1210. symbolic systems and connectionist systems - a position that is at 
  1211. present the most useful one for understanding the fluidity of concepts 
  1212. and high-level perception.
  1213.   
  1214. On one level the work described here is about analogy-making, but on 
  1215. another level it is about cognition in general. It explores such issues 
  1216. as the nature of concepts and perception and the emergence of highly 
  1217. flexible concepts from a lower-level "subcognitive" substrate.
  1218.   
  1219. Melanie Mitchell, Assistant Professor in the Department of Electrical 
  1220. Engineering and Computer Science at the University of Michigan, is a 
  1221. Fellow of the Michigan Society of Fellows. She is also Director of the 
  1222. Adaptive Computation Program at the Santa Fe Institute.
  1223.  
  1224. Contents: Introduction. High-Level Perception, Conceptual Slippage, and 
  1225. Analogy-Making in a Microworld. The Architecture of Copycat. Copycat's 
  1226. Performance on the Five Target Problems. Copycat's Performance on 
  1227. Variants of the Five Target Problems. Summary of the Comparisons between 
  1228. Copycat and Human Subjects. Some Shortcomings of the Model. Results of 
  1229. Selected "Lesions" of Copycat. Comparisons with Related Work. 
  1230. Contributions of This Research. Afterword by Douglas R. Hofstadter. 
  1231. Appendixes. A Sampler of Letter-String Analogy Problems Beyond Copycat's 
  1232. Current Capabilities. Parameters and Formulas. More Detailed 
  1233. Descriptions of Codelet Types.
  1234.  
  1235. A Bradford Book
  1236. May 1993 - 382 pp. - 168 illus. - $45.00
  1237. 0-262-13289-3     MITAH
  1238.  
  1239. ------------------------------------------------------------
  1240. New
  1241. Mechanisms of Implicit Learning
  1242. Connectionist Models of Sequence Processing
  1243. Axel Cleeremans
  1244.  
  1245. What do people learn when they do not know that they are learning? Until 
  1246. recently all of the work in the area of implicit learning focused on 
  1247. empirical questions and methods. In this book, Axel Cleeremans explores 
  1248. unintentional learning from an information-processing perspective. He 
  1249. introduces a theoretical framework that unifies existing data and models 
  1250. on implicit learning, along with a detailed computational model of human 
  1251. performance in sequence-learning situations.
  1252.   
  1253. The model, based on a simple recurrent network (SRN), is able to predict 
  1254. the successive elements of sequences generated from finite-state 
  1255. grammars. Human subjects are shown to exhibit a similar sensitivity to 
  1256. the temporal structure in a series of choice reaction time experiments 
  1257. of increasing complexity; yet their explicit knowledge of the sequence 
  1258. remains limited. Simulation experiments indicate that the SRN model is 
  1259. able to account for these data in great detail.  Other architectures 
  1260. that process sequential material are considered. These are contrasted 
  1261. with the SRN model, which they sometimes outperform. Considered 
  1262. together, the models show how complex knowledge may emerge through the 
  1263. operation of elementary mechanisms - a key aspect of implicit learning 
  1264. performance.
  1265.   
  1266. Axel Cleeremans is a Senior Research Assistant at the  National Fund for 
  1267. Scientific Research, Belgium.
  1268.  
  1269. Contents: Implicit Learning: Explorations in Basic Cognition. The SRN 
  1270. Model: Computational Aspects of Sequence Processing. Sequence Learning 
  1271. as a Paradigm for Studying Implicit Learning. Sequence Learning: Further 
  1272. Explorations. Encoding Remote Control. Explicit Sequence Learning. 
  1273. General Discussion.
  1274.  
  1275. A Bradford Book
  1276. April 1993 - 227 pp. - 60 illus. - $30.00
  1277. 0-262-03205-8     CLEMH  
  1278.  
  1279. ------------------------------------------------------------
  1280. New
  1281. Neural Computation of Pattern Motion
  1282. Modeling Stages of Motion Analysis in the Primate Visual Cortex
  1283. Margaret Euphrasia Sereno
  1284.  
  1285. How does the visual system compute the global motion of an object from 
  1286. local views of its contours?  Although this important problem in 
  1287. computational vision (also called the aperture problem) is key to 
  1288. understanding how biological systems work, there has been surprisingly 
  1289. little neurobiologically plausible work done on it. This book describes 
  1290. a neurally based model, implemented as a connectionist network, of how 
  1291. the aperture problem is solved. It provides a structural account of the 
  1292. model's performance on a number of tasks and demonstrates that the 
  1293. details of implementation influence the nature of the computation as 
  1294. well as predict perceptual effects that are unique to the model. The 
  1295. basic approach described can be extended to a number of different 
  1296. sensory computations.
  1297.  
  1298. "This is an important book, discussing a significant and very general 
  1299. problem in sensory processing.  The model presented is simple, and it is 
  1300. elegant in that we can see, intuitively, exactly why and how it works.  
  1301. Simplicity, clarity and elegance are virtues in any field, but not often 
  1302. found in work in neural networks and sensory processing.  The model 
  1303. described in Sereno's book is an exception.  This book will have a 
  1304. sizeable impact on the field." - James Anderson, Professor, Department 
  1305. of Cognitive and Linguistic Sciences, Brown University
  1306.  
  1307. Contents: Introduction. Computational, Psychophysical, and 
  1308. Neurobiological Approaches to Motion Measurement. The Model. Simulation 
  1309. Results. Psychophysical Demonstrations. Summary and Conclusions. 
  1310. Appendix: Aperture Problem Linearity.
  1311.   
  1312. A Bradford Book
  1313. March 1993 - 181 pp.- 41 illus. - $24.95
  1314. 0-262-19329-9     SERNH 
  1315.  
  1316. ------------------------------------------------------------
  1317. Neural Networks for Control
  1318. edited by W. Thomas Miller, III, Richard S. Sutton,
  1319. and Paul J. Werbos
  1320.  
  1321. This book brings together examples of all of the most important 
  1322. paradigms in artificial neural networks (ANNs) for control, including 
  1323. evaluations of possible applications. An appendix provides complete 
  1324. descriptions of seven benchmark control problems for those who wish to 
  1325. explore new ideas for building automatic controllers.
  1326.   
  1327. Contents: I.General Principles. Connectionist Learning for Control: An 
  1328. Overview, Andrew G. Barto. Overview of Designs and Capabilities, Paul J. 
  1329. Werbos. A Menu of Designs for Reinforcement Learning Over Time, Paul J. 
  1330. Werbos. Adaptive State Representation and Estimation Using Recurrent 
  1331. Connectionist Networks, Ronald J. Williams. Adaptive Control using 
  1332. Neural Networks, Kumpati S. Narendra. A Summary Comparison of CMAC 
  1333. Neural Network and Traditional Adaptive Control Systems, L. Gordon 
  1334. Kraft, III, and David P. Campagna. Recent Advances in Numerical 
  1335. Techniques for Large Scale Optimization, David F. Shanno. First Results 
  1336. with Dyna, An Integrated Architecture for Learning, Planning and 
  1337. Reacting, Richard S. Sutton.
  1338.  
  1339. II. Motion Control. Computational Schemes and Neural Network Models for 
  1340. Formation and Control of Multijoint Arm Trajectory, Mitsuo Kawato. 
  1341. Vision-Based Robot Motion Planning, Bartlett W. Mel. Using Associative 
  1342. Content-Addressable Memories to Control Robots, Christopher G. Atkeson 
  1343. and David J. Reinkensmeyer. The Truck Backer-Upper: An Example of 
  1344. Self-Learning in Neural Networks, Derrick Nguyen and Bernard Widrow. An 
  1345. Adaptive Sensorimotor Network Inspired by the Anatomy and Physiology of 
  1346. the Cerebellum, James C. Houk, Satinder P. Singh, Charles Fisher, and 
  1347. Andrew G. Barto. Some New Directions for Adaptive Control Theory in 
  1348. Robotics, Judy A. Franklin and Oliver G. Selfridge.
  1349.  
  1350. III. Application Domains. Applications of Neural Networks in Robotics 
  1351. and Automation for Manufacturing, Arthur C. Sanderson. A Bioreactor 
  1352. Benchmark for Adapive Network-based Process Control, Lyle H. Ungar. A 
  1353. Neural Network Baseline Problem for Control of Aircraft Flare and 
  1354. Touchdown, Charles C. Jorgensen and C. Schley. Intelligent Conrol for 
  1355. Multiple Autonomous Undersea Vehicles, Martin Herman, James S. Albus, 
  1356. and Tsai-Hong Hong. A Challenging Set of Control Problems, Charles W. 
  1357. Anderson and W. Thomas Miller.
  1358.  
  1359. A Bradford Book
  1360. 1990 - 524 pp. - $52.50
  1361. 0-262-13261-3  MILNH
  1362.  
  1363. ------------------------------------------------------------
  1364. Connectionist Modeling and Brain Function
  1365. The Developing Interface
  1366. edited by Stephen Jose Hanson and Carl R. Olson
  1367.  
  1368. This tutorial on current research activity in connectionist-inspired 
  1369. biology-based modeling describes specific experimental approaches and 
  1370. also confronts general issues related to learning, associative memory, 
  1371. and sensorimotor development. 
  1372.  
  1373. "This volume makes a convincing case that data-rich brain scientists and 
  1374. model-rich cognitive psychologists can and should talk to one another. 
  1375. The topics they discuss together here - memory and perception - are of 
  1376. vital interest to both, and their collaboration promises continued 
  1377. excitement along this new scientific frontier." - George Miller, 
  1378. Princeton University
  1379.  
  1380. Contents: Part I: Overview. Introduction: Connectionism and 
  1381. Neuroscience, S. J. Hanson and C. R. Olson. Computational Neuroscience, 
  1382. T. J. Sejnowski, C. Koch, and P. S. Churchland. Part II: Associative 
  1383. Memory and Conditioning. The Behavioral Analysis of Associative Learning 
  1384. in the Terrestrial Mollusc Limax Maximus: The Importance of Inter-event 
  1385. Relationships, C. L. Sahley. Neural Models of Classical Conditioning: A 
  1386. Theoretical Viewpoint, G. Tesauro. Unsupervised Perceptual Learning: A 
  1387. Paleocortical Model, R. Granger, J. Ambros-Ingerson, P. Anton, and G. 
  1388. Lynch. Part III. The Somatosensory System. Biological Constraints on a 
  1389. Dynamic Network: The Somatosensory Nervous System, T. Allard. A Model of 
  1390. Receptive Field Plasticity and Topographic Reorganization in the 
  1391. Somatosensory Cortex, L. H. Finkel. Spatial Representation of the Body, 
  1392. C. R. Olson and S. J. Hanson. Part IV: The Visual System. The 
  1393. Development of Ocular Dominance Columns: Mechanisms and Models. K. D. 
  1394. Miller and M. P. Stryker. Self- Organization in a Perceptual System: How 
  1395. Network Models and Information Theory May Shed Light on Neural 
  1396. Organization, R. Linsker. Solving the Brightness-From-Luminance Problem: 
  1397. A Neural Architecture for Invariant Brightness Perception, S. Grossberg 
  1398. and D. Todorovic.
  1399.  
  1400. A Bradford Book
  1401. 1990 - 423 pp. - $44.00
  1402. 0-262-08193-8  HANCH
  1403.  
  1404. ------------------------------------------------------------
  1405. Neural Network Design and the Complexity of Learning
  1406. J. Stephen Judd
  1407.  
  1408. Using the tools of complexity theory, Stephen Judd develops a formal 
  1409. description of associative learning in connectionist networks. He 
  1410. rigorously exposes the computational difficulties in training neural 
  1411. networks and explores how certain design principles will or will not 
  1412. make the problems easier. 
  1413.  
  1414. "Judd . . . formalized the loading problem and proved it to be 
  1415. NP-complete. This formal work is clearly explained in his book in such a 
  1416. way that it will be accessible both to the expert and nonexpert." - Eric 
  1417. B. Baum, IEEE Transactions on Neural Networks
  1418.  
  1419. "Although this book is the true successor to Minsky and Papert's 
  1420. maligned masterpiece of 1969 (Perceptrons), Judd is not trying to 
  1421. demolish the field of neurocomputing. His purpose is to clarify the 
  1422. limitations of a wide class of network models and thereby suggest 
  1423. guidelines for practical applications." - Richard Forsyth, Artificial 
  1424. Intelligence & Behavioral Simulation
  1425.  
  1426. Contents: Neural Netowrks: Hopes, Problems, and Goals. The  Loading 
  1427. Problem. Other Studies of Learning. The Intractability of Loading. 
  1428. Subcases. Shallow Architectures. Memorization and Generalization. 
  1429. Conclusions. Appendices
  1430.  
  1431. A Bradford Book
  1432. 1990 - 150 pp. - $27.50
  1433. 0-262-10045-2  JUDNH
  1434.  
  1435. ------------------------------------------------------------
  1436. The Perception of Multiple Objects  
  1437. A Connectionist Approach
  1438. Michael C. Mozer
  1439.  
  1440. Building on the vision studies of David Marr and the connectionist 
  1441. modeling of the PDP group it describes a neurally inspired computational 
  1442. model of two-dimensional object recognition and spatial attention that 
  1443. can explain many characteristics of human visual perception. The model, 
  1444. called MORSEL, can actually recognize several two-dimensional objects at 
  1445. once (previous models have tended to blur multiple objects into one or 
  1446. to overload). Mozer's is a fully mechanistic account, not just a 
  1447. functional-level theory.   
  1448.  
  1449. "Mozer's work makes a major contribution to the study of visual 
  1450. information processing. He has developed a very creative and 
  1451. sophisticated new approach to the problem of visual object recognition. 
  1452. The combination of computational rigor with thorough and knowledgeable 
  1453. examination of psychological results is impressive and unique." - Harold 
  1454. Pashler, University of California at San Diego
  1455.  
  1456. Contents: Introduction. Multiple Word Recognition. The Pull-Out Network. 
  1457. The Attentional Mechanism. The Visual Short-Term Memory. Psychological 
  1458. Phenomena Explained by MORSEL. Evaluation of MORSEL. Appendixes: A 
  1459. Comparison of Hardware Requirements. Letter Cluster Frequency and 
  1460. Discriminability Within BLIRNET's Training Set.
  1461.  
  1462. A Bradford Book
  1463. 1991 - 217 pp - $27.50
  1464. 0-262-13270-2  MOZPH
  1465.  
  1466. -------------------------------------------------------------
  1467. ORDER FORM
  1468.  
  1469. Please send me the following book(s):
  1470.  
  1471. Qty    Author      Bookcode  Price
  1472.  
  1473. ___    Cleeremans  CLEMH     30.00
  1474. ___    Hanson      HANCH     44.00
  1475. ___    Judd        JUDNH     27.50
  1476. ___    Mikkulainen MIISH     45.00
  1477. ___    Miller      MILNH     52.50
  1478. ___    Mitchell    MITAH     45.00 
  1479. ___    Mozer       MOZPH     27.50
  1480. ___    Sereno      SERNH     24.95
  1481.  
  1482.  
  1483. ___ Payment Enclosed  ___  Purchase Order Attached
  1484.  
  1485. Charge to my  ___  Master Card   ___  Visa
  1486.  
  1487. Card# _______________________________
  1488.  
  1489. Exp.Date _______________
  1490.  
  1491. Signature _________________________________________________ 
  1492.  
  1493. _____ Total for book
  1494. $2.75 Postage 
  1495. _____ Please add 50c postage for each additional book
  1496. _____ Canadian customers Add 7% GST
  1497. _____ TOTAL due MIT Press
  1498.  
  1499. Send To:
  1500.  
  1501. Name ______________________________________________________
  1502.  
  1503. Address ___________________________________________________
  1504.  
  1505. City ________________________ State ________ Zip __________
  1506.  
  1507. Daytime Phone ________________ Fax ________________________
  1508.  
  1509. Make checks payable and send order to:
  1510. The MIT Press  *  55 Hayward Street *  Cambridge, MA 02142  
  1511.  
  1512. For fastest service call (617) 625-8569 
  1513. or toll-free 1-800-356-0343 
  1514.         
  1515.  
  1516. The MIT Guarantee: If for any reason you are not completely satisfied, 
  1517. return your book(s) within ten days of receipt for a full refund or 
  1518. credit.
  1519.  
  1520. 3ENET
  1521.  
  1522.  
  1523.