home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #16 / NN_1992_16.iso / spool / comp / ai / neuraln / 3003 < prev    next >
Encoding:
Text File  |  1992-07-28  |  2.5 KB  |  55 lines
  1. Newsgroups: comp.ai.neural-nets
  2. Path: sparky!uunet!gatech!destroyer!ubc-cs!unixg.ubc.ca!kakwa.ucs.ualberta.ca!alberta!arms
  3. From: arms@cs.UAlberta.CA (Bill Armstrong)
  4. Subject: Re: Neural Nets and Brains
  5. Message-ID: <arms.712351174@spedden>
  6. Sender: news@cs.UAlberta.CA (News Administrator)
  7. Nntp-Posting-Host: spedden.cs.ualberta.ca
  8. Organization: University of Alberta, Edmonton, Canada
  9. References: <arms.711986585@spedden> <1992Jul24.164544.11876@cs.ucf.edu> <arms.712027061@spedden> <1992Jul28.163206.22309@src.umd.edu>
  10. Date: Tue, 28 Jul 1992 19:19:34 GMT
  11. Lines: 42
  12.  
  13. tedwards@src.umd.edu (Thomas Grant Edwards) writes:
  14.  
  15. >In article <arms.712027061@spedden> arms@cs.UAlberta.CA (Bill Armstrong) writes:
  16. >>Thank you.  A nice explanation.  Unfortunately, taking phase and
  17. >>density of pulses into account makes for quite a complex, non-linear
  18. >>system (refractory periods, neurotransmitter release and uptake,...).
  19. >>If the brain works that way, then the simple multiply-add
  20. >>accumulations of backprop are over-simplified, aren't they?  Then
  21. >>maybe both backprop and ALNs are useless for the purposes of brain
  22. >>modelling.
  23.  
  24. >Yes!
  25.  
  26. >But they are (more to the point, were) useful in showcasing that
  27. >one can algorithmically string together parallel computational
  28. >units to produce a specific behaviour.  Certainly brain does not use
  29. >backprop or ALNs specifically, but the mathematical insight we gain
  30. >from them helps us to understand what's going on. 
  31.  
  32. Thanks for your comments.  I would still like to know what the
  33. neurobiologists (or people who study neuron information processing,
  34. whoever they are) think of the idea of using a boolean logic system to
  35. capture the functionality of how a neuron's axon firings depend on the
  36. axon firings of neurons which synapse upon it.  If you look at the
  37. little "mosquito" demo in atree 2.6, you see how ALNs are used to
  38. process 80-bit input vectors to learn to predict malaria (a toy
  39. problem, not a real one). The only difference in using atree for
  40. studying axon firings is that you would have to use more inputs
  41. (thousands) and you would have to represent signals at several input
  42. time steps. It would be interesting if someone had data on axonal
  43. firings in a collection of neurons that one could apply atree to.
  44.  
  45. Any pointers to people working on this who might be interested?
  46.  
  47. Bill
  48.  
  49.  
  50. --
  51. ***************************************************
  52. Prof. William W. Armstrong, Computing Science Dept.
  53. University of Alberta; Edmonton, Alberta, Canada T6G 2H1
  54. arms@cs.ualberta.ca Tel(403)492 2374 FAX 492 1071
  55.