Wissenserwerb über dynamische Systeme: Befunde Konnektionistischer Modellierung

In G. Dorffner (ed.), Konnektionismus in Artificial Intelligence Und Kognitionsforschung. Springer Verlag. pp. 103--111 (1990)
  Copy   BIBTEX

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.

Author's Profile

Joachim Funke
University of Heidelberg

Analytics

Added to PP
2014-01-28

Downloads
195 (#66,169)

6 months
43 (#78,886)

Historical graph of downloads since first upload
This graph includes both downloads from PhilArchive and clicks on external links on PhilPapers.
How can I increase my downloads?