Wissenserwerb über dynamische Systeme: Befunde Konnektionistischer Modellierung

In G. Dorffner (ed.), Konnektionismus in Artificial Intelligence Und Kognitionsforschung. Springer Verlag. pp. 103--111 (1990)
Download Edit this record How to cite View on PhilPapers
Abstract
Die vorliegende Arbeit untersucht Möglichkeiten und Grenzen der Verwendung von einfachen konnektionistischen Systemen als Modelle für den Erwerb und die Repräsentation von Wissen über zeitdiskrete lineare dynamische Systeme in der Kognitionspsychologie. Ein ausgewähltes dynamisches System namens SINUS wird in Form eines „pattern associators“ repräsentiert und dessen Lernverhalten untersucht. Es wird versucht, daraus Annahmen über den Wissenserwerb von Probanden im Umgang mit solchen dynamischen Systemen abzuleiten, um insbesondere Hinweise darauf zu erhalten, was „gute“ von „schlechten“ Probanden unterscheidet. Ein weiterer hier betrachteter Aspekt ist die Steuerung eines dynamischen Systems in einen vorgegebenen Zielzustand, der unter Beibehaltung des konnektionistischen Modells durch einen variierten Lernalgorithmus modelliert wird. Die abschließende Diskussion geht auf die Bedeutung der Modellierung für die kognitionspsychologische Theorienbildung ein.
Categories
(categorize this paper)
PhilPapers/Archive ID
STAWBD-2
Upload history
Archival date: 2016-08-11
View other versions
Added to PP index
2014-01-28

Total views
63 ( #40,068 of 51,433 )

Recent downloads (6 months)
7 ( #44,929 of 51,433 )

How can I increase my downloads?

Downloads since first upload
This graph includes both downloads from PhilArchive and clicks on external links on PhilPapers.