Hjälp att dechiffrera Dynamic logic (neural)

Hej!
Jag läser kognitionsvetenskap och har intresserat mig för något som kallas för "Neural modeling fields". Den matematiska formuleringen av den centrala mekanismen som maximerar likheten mellan top-down-signaler (mentala koncept/modeller) och bottom-up-signaler (sensorisk input) kan förklaras genom Dynamic logic.

Jag förstår helt enkelt inte den matematiska formuleringen. Jag kan självklart slå upp vad de olika matematiska symbolerna betyder, men det hjälper inte att jag vet vad "∈" eller "π" betyder om jag inte förstår vad det betyder när det står n∈N under π.

Vad gäller min kunskapsnivå inom matematik så har jag läst Matte B, men inte mer än så.

http://en.wikipedia.org/wiki/Neural_modeling_fields
Tack på förhand!

Det betyder att n tillhör de naturliga talen. Det är ett positivt heltal eller noll alltså.

Egentligen är det inte någon avancerad matematik, men för att kunna läsa formlerna behöver man som sagt kunna en hel del notation. Om det står n∈N under π betyder det "produkt över alla element n i mängden N", på samma sätt om det står saker under ett summationstecken. Om du vill syssla med sånt här, så borde du nog börja med att läsa lite mer matematik, kanske lite statistik, för att få koll på notationen, samt börja med att läsa på om mer grundläggande neurala nätverk innan du ger dig på vad som verkar vara en ganska ny och avancerad variant.

Du har säkert rätt. Problemet med mig är att jag tycker om att börja med något över min förmåga och sedan ta reda på det mer grundläggande allteftersom det behövs för att jag ska förstå det mer avancerade. Det är mer motiverande om målet är svårt att nå, om det är för lätt skiter jag i det. Det brukar fungera; förra terminen skrev jag en litteraturöversikt (absolut ingen uttömmande, ca 10 artiklar bara) om symbol grounding och grounding transfer i olika slags ANN utan att kunna ett skit om ANN från innan och fick VG.

I detta fallet har jag inte vetat var jag ska leta efter det där grundläggande, men efter en snabbkoll på Wikipedia ser det ut som att ANN och i synnerhet det som står under "network function" borde hjälpa mig en bit på vägen.

Jag vet att jag borde läsa mer matematik och nästa termin ingår en förberedande matematikkurs inför programmeringskursen, men räcker det verkligen? Vilken nivå borde jag läsa till?

Tack för hjälpen förresten!

Tja, då har du ju nåt att bita i, lite neurala nät och fuzzy logic klarar du säkert lätt att förstå utan att begripa den under liggande matematiken. Eller kanske inte, en top down lösning där man börjar med det marigaste är nog inte att föreslå just i detta fallet. Utan mer bottom up där du tillägnar dig lite grundläggande kunskaper först innan du ger dig in på nåt som du annars bara kommer att bränna tid på att försöka förstå.

Har själv försökt fatta lite av de arbeten som är gjorda av japanska forskare på neurala nät, men insåg efter ett tag att dom var inne på teoretiska spekulationer som var bortom min förmåga att förstå. Dock finns det trevliga programexempel som man kan leka med.

Jo, jag förstår, det brukar hjälpa att ha ett mål, det ger bra motivation för att lära sig det grundläggande. Den rena matematikkunskap man behöver är nog typ grundläggande analys, en aning linjär algebra samt lite sannolikhetslära/statistik. En enda kurs kanske inte riktigt räcker, men det är inte så mycket och går nog ganska enkelt att plocka upp. Sen är det så klart bra om man kan programmering, det behövs ju också om man vill försöka tillämpa teorin på något.

I grund och botten är neurala nätverk ingenting annat än en matematisk modell för att klassificera information, och det är denna modell man behöver förstå. Det är nog bäst att först förstå hur den enklaste varianten av neurala nätverk och förstå hur träningen av nätverket går till, vilket inte är helt enkelt faktiskt. Jag är inte expert på området, men jag har läst en intressant och bra online-kurs (https://class.coursera.org/ml-003/class) om maskininlärning som bland annat behandlar neurala nätverk och som också går igenom lite matematik i början, så det kanske kan vara något att titta på.

Tidsåtgången ja... jag brukar inte må så bra när jag skriver på ett arbete eller en hemtenta; mycket huvudvärk, alldeles för lite sömn, mat/dryck och en hel del gråt. Kanske inte är värt det när det bara gäller en 5-10 min muntlig presentation... Jag trodde att det skulle vara lättare, men jag hatar att ge upp och känna mig som en idiot. Det börjar dock kännas som att ge upp är det minst idiotiska att göra i detta fallet.

På tal om japanska forskare så var en av artiklarna jag använde mig av "Developmental word grounding through a growing neural network with a humanoid robot" skriven av några på Tokyo institute of technology. Systemets arkitektur var bara överjävlig - jag har inga förhoppningar om att kunna förstå den artikeln fullt ut de närmsta 5 åren (Minst!).

I lagom doser är allting bra, för mycket eller för lite är inte vidare bra.

Mja, jag (och andra) lade ner ganska mycket tid på ett nät som ändå inte producerade det vi ville, troligen på grund av för lite inputs från kontrollrumspersonalen. Så fanstyget måste matas åxå. Nåja det var nog lite OffT.

Men varför inte börja från andra änden och lära dig grunderna istället, sen kan du leka med de teorier som baseras på detta grundtänk bäst du vill. Att göra tvärt om verkar bara dumt.