home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #16 / NN_1992_16.iso / spool / comp / ai / neuraln / 2900 < prev    next >
Encoding:
Internet Message Format  |  1992-07-23  |  2.1 KB
  1. Path: sparky!uunet!dtix!darwin.sura.net!mips!zaphod.mps.ohio-state.edu!cs.utexas.edu!qt.cs.utexas.edu!yale.edu!yale!gumby!destroyer!ncar!noao!amethyst!organpipe.uug.arizona.edu!organpipe.uug.arizona.edu!bill
  2. From: bill@nsma.arizona.edu (Bill Skaggs)
  3. Newsgroups: comp.ai.neural-nets
  4. Subject: Re: Neural Nets and Brains
  5. Message-ID: <BILL.92Jul23135614@ca3.nsma.arizona.edu>
  6. Date: 23 Jul 92 20:56:14 GMT
  7. References: <1992Jul21.162033.57397@cc.usu.edu> <1992Jul23.013755.18847@hubcap.clemson.edu>
  8.     <arms.711907358@spedden>
  9. Sender: news@organpipe.uug.arizona.edu
  10. Organization: ARL Division of Neural Systems, Memory and Aging, University of
  11.     Arizona
  12. Lines: 31
  13. In-Reply-To: arms@cs.UAlberta.CA's message of 23 Jul 92 16: 02:38 GMT
  14.  
  15. arms@cs.UAlberta.CA (Bill Armstrong) writes:
  16.  
  17.    >First off, isn't it rather strange that the most widespread
  18.    >artificial model of neural operation. the multilayer perceptron,
  19.    >uses continuous quantities on its connections, while the dendrites
  20.    >and axons of neurons use "zero or one" type action potentials?  
  21.  
  22. It is true that multilayer perceptrons use continuous-valued signals,
  23. but there are many artificial models around that use binary-valued
  24. signals, e.g. Hopfield nets, Boltzmann machines, Kanerva's Sparse
  25. Distributed Memory, etc., etc..  As a matter of fact, the
  26. McCulloch-Pitts model used binary neurons.
  27.  
  28.    >Until physiological psychologists start studying adaptive logic
  29.    >networks, can anyone expect much progress on understanding the
  30.    >brain?
  31.  
  32. Well, the McCulloch-Pitts model was used extensively, and very
  33. productively, as a model of the brain, so this isn't too convincing.
  34.  
  35. Any abstract model includes some features and leaves out others.
  36. Which features will turn out to be crucial can only be known in
  37. retrospect.  There is no reason to think that continuous models are
  38. incapable of shedding any light on nervous systems.  For theoretical
  39. work they have some real advantages -- among the most important being
  40. that they make possible certain learning rules, such as backprop, that
  41. cannot be used with binary models.
  42.  
  43. "Let a hundred flowers bloom."
  44.  
  45.     -- Bill  
  46.