» » Ограничена ли человеческая память
загрузка...

Ограничена ли человеческая память

как работает наша оперативная память?

Складывается смешная картина: умный человек, с натренированной и беспредельно емкой памятью, имеет электронного помощника, не обладающего глубокой памятью, но с единственным достоинством — быстродействием.
Ведь такое электронное существо очень похоже на феноменальных близнецов из Лос-Анджелеса, которых доктор Хорвиц назвал «гениями-идиотами». Чарльзу и Джорджу Компетенс по 24 года. Их развитие остановилось на уровне шестилетнего возраста. Будучи умственно отсталыми людьми, они не могут решить простейшую арифметическую задачку, но обладают сенсационной памятью, и именно из области математики.

Они могут мгновенно «подсчитать», какой день недели будет, предположим, 28 января 2153 года...
Можно ли считать нормальными этих поразительных американцев?
А я знаю совершенно нормального парня из города Горького, который, как говорится, запросто может делать еще более удивительные вещи.

Считается, что человек способен
удержать в памяти 7 ± 2 сущностей. Это число
основано на исследовании Джорджа Миллера (George
Miller). Миллер в частности, пытался понять, как люди
воспринимают и хранят в памяти списки сложных
числовых последовательностей. Он обнаружил, что
обычный человек может запомнить от 5 до 9
сущностей (любой информации, например - слов). В
итоге он сделал заключение, что емкость
человеческой памяти - 7±2 сущностей.

  Например ссылки для
глобальной навигации  ("Контакты", 
"Карта сайта", "Поиск", и т.д.) можно
разместить наверху страницы, а структуру
подразделов расположить слева ("Отдел
разработки", "Контроль качества" и т.д.).
Раз возможности пользователей по запоминанию
ограничены, вы должны оптимизировать свои
страницы.вы можете помочь пользователям своего
сайта организовать информацию в сущности,
группируя её.
концепция,
так как "сущности" могут быть разными. Вы
можете использовать как "маленькие"
сущности, так и "большие". Вы можете
поместить в одну сущность много информации.
Например, целый эпизод фильма можно считать
одной сущностью, даже если он очень длинный. Это
свойство может оказаться очень полезным, потому
что гибкая Это довольно

Из-за того, что скорость обучения не позволяет в должной мере управлять агентом в режиме реального времени постоянно ведутся способы повышения скорости обучения. Одним из подходов здесь является моделирование рефрактерности. Кроме того, этот принцип позволяет приблизить модель формального нейрона к биологическому нейрону, и увидеть те необходимые принципы, которые необходимы для моделирования рефрактерности.

Задача теоретической модели мозга (которой является перцептрон) состоит в том, чтобы показать, как в некоторой физической системе, структура и функциональные свойства которой известны, могут возникать психологические явления. Розенблатт предлагал следующие виды психологических тестов: эксперименты по различению, обобщению, обнаружению геометрических фигур, эксперименты по количественным оценкам, по распознаванию последовательностей, по распознаванию отношений, обучению программам, избирательному вспоминанию, образованию абстрактных понятий, формированию и свойствам «самосознания», творческоговоображения.[10] Ряд из этих экспериментов далеки от современных возможностей перцептронов, поэтому их развитие происходит больше философски в пределах направления коннективизма. В то же время, ограничения показаны только для элементарного перцептрона, а более сложные архитектуры перцептронов изучены очень слабо и не последовательно. Поэтому сейчас ещё очень рано говорить о реальных возможностях перцептронных моделей.

Тем не менее, для перцептронов доказаны следующие факты, находящие применение в практических задачах:

  • Возможность классификации. Сеть с одним скрытым слоем, содержащим H нейронов со ступенчатой функцией активации, способна осуществить произвольную классификацию Hd точек d-мерного пространства (то есть классифицировать Hd примеров). Одного скрытого слоя нейронов с сигмоидной функцией активации достаточно для аппроксимации любой границы между классами со сколь угодно высокой точностью.[11]
  • Возможность аппроксимации. Одного скрытого слоя нейронов с сигмоидной функцией активации достаточно для аппроксимации любой функции со сколь угодно высокой точностью. Более того, такая сеть может одновременно аппроксимировать и саму функцию и её производные.[11]

Выбор непрерывной (монотонной) функции активации (например, сигмоидальной) не влияет на достижение решения. Единственное, для чего имеет смысл усложнять функцию активации по сравнению с пороговой (которая является самой наипростейшей), — это возможность интерпретации выходов нейронов как вероятностей принадлежности к соответствующему классу, что в свою очередь может повлиять на качество прогноза.

Действительно ли те люди, которые наделены суперпамятью, имеют какой-то исключительный мозг?

Короткий ответ: нет. Рекордсмены по запоминанию цифр после запятой в числе пи, вроде Чао Лу, также как и большинство других победителей соревнований по запоминанию чего-либо, клянутся, что они — самые обычные люди, посвятившие себя тому, чтобы натренировать свой мозг на хранение и воспроизведение избранных фрагментов информации.

То есть в кратковременную память можно вместить больше, нужно лишь научиться правильно организовывать единицы информации в отрезки информации.

Как увеличить объем памяти человека

В третьих, нам нужно структурировать наши знания и опыт. Мы постоянно создаем новые смыслы. Чтобы понять их, нам самим приходится прибегать к структуризации и фиксированию. Также нам нужно всеми путями помогать другим справляться с обработкой смыслов — задавать вопросы, предоставлять распечатки организационных структур или наводящие картинки. В конце концов, все мы раньше были в чем-то новичками.

Становится достаточно убедительным, что комплексы нуклеиновых кислот играют основную роль не только в генетической памяти, но, вероятно, они играют аналогичную роль в обычной памяти нервной системы... В связи с памятью и ролью, которую играют в ее функциях нуклеиновые кислоты, я думаю, вполне возможно, что комплексы нуклеиновых кислот могут быть использованы в машинах в качестве искусственной памяти. И подобно тому, как сейчас мы живем в период широкого использования открытого физикой твердого тела, так будущее поколение будет широко применять нуклеиновые кислоты в качестве ценного инженерного материала».

  • Чем меньше пользователям придется
    учиться, тем меньше им придется запоминать, тем
    легче ваш сайт будет в использовании. Этим вы
    также быстрее обратите внимание пользователя на
    содержание.Собдюдайте целостность на каждой
    странице.
  • . Синий
    подчеркнутый текст - это стереотип. сохраняйте
    стандартные цвета ссылок
    Если возможно,

Технические ограничения по скорости и объёму используемой памяти]править вики-текст | править[

Минский показал, что задачи, которые в принципе могут быть решены перцептроном, могут потребовать нереально больших времён [20] или нереально большой памяти[21] . Например, для различения некоторых классов объектов коэффициенты части ассоциативных элементов должны быть столь велики, что для хранения их в вычислительной машине потребовался бы больший объём памяти, чем для того, чтобы просто запомнить все конкретные объекты этих двух классов.[22]

  1. Розенблатт Ф., с. 102.
  2. Розенблатт, Ф., с. 251.
  3. Глава 3: Быстрое дифференцирование, двойственность и обратное распространение ошибки, «Нейроинформатика», 1998. Горбань А. Н.см.
  4. .: СП ПараГраф, 1990.М. — Обучение нейронных сетейГорбань А. Н.
  5. Parallel Distributed Processing: Explorations in the Microstructures of Cognition / Ed. by Rumelhart D. E. and McClelland J. L.— Cambridge, MA: MIT Press, 1986.
  6. Глава 2: Решение задач нейронными сетями, «Нейроинформатика», 1998. Горбань А. Н.см.
  7. Розенблатт, Ф., с. 219—224.
  8. см. Kussul, Baidyk, Kasatkina, Lukovich, 2001.
  9. см. Яковлев С. С., 2004.
  10. Розенблатт, Ф., с. 70—77.
  11. 21↑ Лекция 3: Обучение с учителем: Распознавание образов «Нейрокомпьютинг…», 2006. Ежов А. А., Шумский С. А.см.
  12. Розенблатт Ф., с. 93.
  13. 21↑ Минский М., Пейперт С., с. 62.
  14. Минский М., Пейперт С., с. 50.
  15. Минский М., Пейперт С., с. 102.
  16. Минский М., Пейперт С., с. 76—98.
  17. Минский М., Пейперт С., с. 113—116.
  18. Минский М., Пейперт С., с. 22—23, с. 99—102, с. 226—227, с. 231—233.
  19. Минский М., Пейперт С., с. 192—214.
  20. Минский, Пейперт, с. 163—187
  21. Минский, Пейперт, с. 153—162
  22. Минский, Пейперт, с. 152.
  • .ISBN 5020314102. — Новосибирск: Наука, 1998. — 296 с. — НейроинформатикаГорбань А. Н., Дунин-Барковский В. Л., Кирдин А. Н. и др.
  • .: Мир, 1971. — 261 с.М = Perceptrons. — ПерсептроныМинский М., Пейперт С.
  • .: Мир, 1965. — 480 с.М = Principles of Neurodynamic: Perceptrons and the Theory of Brain Mechanisms. — Принципы нейродинамики: Перцептроны и теория механизмов мозгаРозенблатт, Ф.
  • .С. 230—234 // ИТК НАНБ. — Минск, 2004. — Система распознавания движущихся объектов на базе искусственных нейронных сетей Яковлев С. С.
  • .ISBN 0-7803-7044-9. — С. 1516—1520 = Rosenblatt Perceptrons for Handwritten Digit Recognition // IEEE. — 2001. — Перцептроны Розенблатта для распознавания рукописных цифр Kussul E., Baidyk T., Kasatkina L., Lukovich V.  (англ.)
  • .С. 971—981 // Image and Vision Computing. — 2004. — Improved method of handwritten digit recognition tested on MNIST database Kussul E., Baidyk T.  (англ.)

Наверх