資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學Pandemonium 架構
特徵檢測理論或Pandemonium架構是神經科學中的一種範例，試圖闡明我們如何感知周圍的世界。它可以應用於機器分析和其他人工智慧相關領域。這一概念由人工智慧先驅奧利弗·塞爾弗裡奇 (Oliver Selfridge) 於 1959 年提出。它使用一個隱喻的“惡魔”集合相互傳遞資訊來解釋識別準確性，作為認知研究領域中檢測和關聯的等級結構。該理論現在被廣泛接受為我們關於視覺感知的最重要事實之一。Pandemonium 架構是最早的模式識別模擬裝置之一。
什麼是 Pandemonium？
事件、物體、特徵、類別等等。神經元僅代表有助於感知和認知能力的一些事物。換句話說，我們不是模擬計算機，這不是非此即彼的情況，也不取決於你的立場。其他相關的考慮因素包括強度、數量和體積的程度。神經元並不僅僅在一個二進位制系統中執行；它們可以快速、頻繁或不頻繁地放電。一個神經元可能會從其他突觸接收到數百個激發指令和許多抑制訊號。同樣，我們的想法可能會對世界產生持久的影響並激發大量類似的概念，也可能是轉瞬即逝的靈感，如同出現一樣迅速消失。
架構
該架構包含各種“惡魔”，它們自主執行以分析傳入的視覺資料。惡魔根據它們負責的識別階段被組織成組，然後在這些組內並行工作。在最初的設計中，有四種不同型別的惡魔。
影像惡魔 - 它捕捉顯示在大腦視網膜上的影像。
特徵惡魔 - 宇宙充滿了“特徵惡魔”，本質上是代表特定特徵的怪物。各種型別的線條，例如長直線、曲線等，都可以由它們的特徵惡魔來表示。如果一個特徵惡魔遇到它“匹配”的特徵，它就會“大喊”出來。記住，這些特徵惡魔代表的是一類神經元，而不是單個神經元。“垂直線模式惡魔”就是這樣一種生物，代表視網膜中垂直處理的神經元。
認知惡魔 - 確保你特別注意突出場景中惡魔的“喊叫”。你的每一個惡魔般的想法都遵循其獨特的模式，例如字母表中的一個字元。特徵惡魔識別模式的準確性決定了認知惡魔“喊叫”的內容。當找到更多匹配的特徵時，這種精神上的“喊叫”就會變得更響亮。例如，一個具有認知字元 r 的惡魔如果其他具有長曲線、直線和低傾斜趨勢成分的惡魔大聲喊叫，可能會變得非常激動。一個具有認知字元 p 的惡魔可能會有點激動，但 z 字元認知惡魔更有可能保持沉默。
決策惡魔 - 代表序列中的最後一步。它聽到腦海中生物的“喊叫”。它與當時你腦海中最吵鬧的非理性敵人相匹配。在很大程度上，我們的思想被我們指定的惡魔所佔據。R 認知惡魔將是最強的，其次是 P 惡魔。因此，我們將感知到 R。但是，如果顯示引數不合格（例如，字母快速閃現或部分割槽域被遮擋），我們可能會更容易誤認為是 P。要理解“Pandemonium”一詞的含義，請考慮系統中發生的全部“喊叫”。
相關性和影響
Pandemonium 架構已解決幾個現實世界的問題，例如破譯摩爾斯電碼和識別手寫字母。總的來說，基於 Pandemonium 的模型的精度非常出色，即使系統只有很短的時間來學習。例如，Doyle 建立了一個基於混沌的系統，該系統使用超過 30 個複雜的特徵分析器。他隨後向他的系統教授了幾百個新的字母符號。此步驟包括評估輸入的字母併產生其結果（系統將字母識別為何物）。將系統的輸出與正確識別進行比較，並將所得誤差訊號用於微調特徵分析器的相對重要性。
關聯
包括 -
與模板匹配理論的關聯 - 這兩種方法之間存在關鍵區別：模板匹配理論依賴於將視覺與顯式表示進行直接比較，而 Pandemonium 架構首先在視覺資訊級別分析影像。混沌架構的優勢在於它能夠識別訊號，即使訊號的大小、樣式和其他調整發生變化，而無需假設無限的模式記憶。當物體以三個方面描繪並且偶爾被其他物體遮擋時，模板匹配理論在呈現現實的視覺輸入時，準確性極低。例如，如果書的一部分被紙包裹著，但是我們仍然可以判斷它是書，那麼這意味著我們具有良好的物體識別能力。
與 Hebbian 模式識別的關聯 - Hebbian 模型以及 Pandemonium 架構等面向特徵的方法具有多個共同點。Hebbian 模型是第一級處理，細胞元件在其功能上與特徵惡魔非常相似。與特徵惡魔相比，細胞元件受到限制，因為它們無法提取超出線條、曲線和輪廓的複雜結構。僅藉助認知惡魔就可以從細胞元件構建相位序列。模板和特徵匹配理論通常用於解釋 Hebbian 模型，因為它們與之相似。
結論
心理物理學研究已明確表明，字母識別依賴於其組成屬性，並且關於這些組成部分的“成分”有重要的新資訊。雖然 MRI 在識別參與字母感知的特定大腦區域方面顯示出前景，但新的電生理記錄在幫助我們瞭解字母識別中發生的系統的時態動態方面顯示出前景。
393 次瀏覽
