home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #16 / NN_1992_16.iso / spool / comp / ai / neuraln / 2942 < prev    next >
Encoding:
Internet Message Format  |  1992-07-25  |  2.0 KB
  1. Path: sparky!uunet!darwin.sura.net!wupost!zaphod.mps.ohio-state.edu!sol.ctr.columbia.edu!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.92Jul24201136@ca1.nsma.arizona.edu>
  6. Date: 25 Jul 92 03:11:36 GMT
  7. References: <arms.711935064@spedden>> <BILL.92Jul23224539@ca3.nsma.arizona.edu>
  8.     <arms.711986585@spedden> <1992Jul24.235828.23813@u.washington.edu>
  9. Sender: news@organpipe.uug.arizona.edu
  10. Organization: ARL Division of Neural Systems, Memory and Aging, University of
  11.     Arizona
  12. Lines: 28
  13. In-Reply-To: davisd@milton.u.washington.edu's message of 24 Jul 92 23: 58:28 GMT
  14.  
  15. davisd@milton.u.washington.edu (Daniel Davis) writes:
  16.  
  17.    >I personally do not believe that viewing neuron function in a
  18.    >binary fashion will be fruitful until one models the sequencing
  19.    >and rate of firing of action potentials.
  20.  
  21. It has already been fruitful.  Virtually all of our current
  22. understanding of neural mechanisms of associative memory comes from
  23. binary models:  Anderson's model, Willshaw's model, Hopfield's model,
  24. the Boltzmann machine, Kanerva's Sparse Distributed Memory, etc.
  25.  
  26. We now face the problem of linking these abstract models with the gory
  27. reality of the brain, but in the absence of such models, we would
  28. be entirely at sea without a compass.
  29.  
  30.    > As for the non-applicability of continuous functions to neuron
  31.    >functioning, I would suggest that continuous valued artificial
  32.    >neurons can be viewed as modelling the rate at which different
  33.    >neurons fire action potentials. (The rate of fire is often what
  34.    >conveys information, not simply whether or not a neuron has
  35.    >fired.) 
  36.  
  37. Exercise:  Give a precise, mathematical definition of the "rate of
  38. fire" of a neuron.  It's a lot harder than it looks!  In fact, as far
  39. as I can tell, there *is* no perfectly good definition (though there
  40. are ones good enough to be useful).
  41.  
  42.     -- Bill
  43.