从赫布定律到深度学习理论的发展

B842%Q42; 神经生理学家赫布(Donald Hebb)假设学习的发生建立在突触的可塑性之上,构建了学习的突触原理的模型.突触学习的还原论在揭示大脑与行为关系的实证研究中既被推进也被反驳,并在不同的发展路径中促进了神经科学、生物学、脑科学、生理学、心理学等多领域的交叉合作,从而演化出神经动力的拓扑结构的学习理论.也是基于赫布的突触学习原理,深度学习概念被提出.深度学习理论从突触的联结主义模型发展到多层神经迭代的卷积模型,再至机体与环境相嵌合的Q模型,虽然表现出实证科学的优越性与力量,也凸显了深度从神经元活动样态的可测性至机体—环境的厚度交织的不可测性,但它因为局囿于实证的偏狭而未明了深度...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	学术研究 2023 (4), p.23-31
1. Verfasser:	燕燕
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	31
container_issue	4
container_start_page	23
container_title	学术研究
container_volume
creator	燕燕
description	B842%Q42; 神经生理学家赫布(Donald Hebb)假设学习的发生建立在突触的可塑性之上,构建了学习的突触原理的模型.突触学习的还原论在揭示大脑与行为关系的实证研究中既被推进也被反驳,并在不同的发展路径中促进了神经科学、生物学、脑科学、生理学、心理学等多领域的交叉合作,从而演化出神经动力的拓扑结构的学习理论.也是基于赫布的突触学习原理,深度学习概念被提出.深度学习理论从突触的联结主义模型发展到多层神经迭代的卷积模型,再至机体与环境相嵌合的Q模型,虽然表现出实证科学的优越性与力量,也凸显了深度从神经元活动样态的可测性至机体—环境的厚度交织的不可测性,但它因为局囿于实证的偏狭而未明了深度学习乃是时间性的浸身介入.
doi_str_mv	10.3969/j.issn.1000-7326.2023.04.005
format	Article
fullrecord	<record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_xsyj202304005</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>xsyj202304005</wanfj_id><sourcerecordid>xsyj202304005</sourcerecordid><originalsourceid>FETCH-wanfang_journals_xsyj2023040053</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw0DU3NjLTMzIwMtYzMNEzMDBlYeCEi3Mw8BYXZwF5BpYmhkaWxpwMuk92973Yuvrpjuan62Y93df9tGPDs-0bn-5a9nTtsic7Fzyf0PZi3a7ns1qe9k98unEqDwNrWmJOcSovlOZmUHVzDXH20C1PzEtLzEuPz8ovLcoDysRXFFdmgRxhYAJ0gjGx6gAdzEur</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>从赫布定律到深度学习理论的发展</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>燕燕</creator><creatorcontrib>燕燕</creatorcontrib><description>B842%Q42; 神经生理学家赫布(Donald Hebb)假设学习的发生建立在突触的可塑性之上,构建了学习的突触原理的模型.突触学习的还原论在揭示大脑与行为关系的实证研究中既被推进也被反驳,并在不同的发展路径中促进了神经科学、生物学、脑科学、生理学、心理学等多领域的交叉合作,从而演化出神经动力的拓扑结构的学习理论.也是基于赫布的突触学习原理,深度学习概念被提出.深度学习理论从突触的联结主义模型发展到多层神经迭代的卷积模型,再至机体与环境相嵌合的Q模型,虽然表现出实证科学的优越性与力量,也凸显了深度从神经元活动样态的可测性至机体—环境的厚度交织的不可测性,但它因为局囿于实证的偏狭而未明了深度学习乃是时间性的浸身介入.</description><identifier>ISSN: 1000-7326</identifier><identifier>DOI: 10.3969/j.issn.1000-7326.2023.04.005</identifier><language>chi</language><publisher>淮北师范大学教育学院安徽淮北,235065</publisher><ispartof>学术研究, 2023 (4), p.23-31</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/xsyj/xsyj.jpg</thumbnail><link.rule.ids>314,780,784,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>燕燕</creatorcontrib><title>从赫布定律到深度学习理论的发展</title><title>学术研究</title><description>B842%Q42; 神经生理学家赫布(Donald Hebb)假设学习的发生建立在突触的可塑性之上,构建了学习的突触原理的模型.突触学习的还原论在揭示大脑与行为关系的实证研究中既被推进也被反驳,并在不同的发展路径中促进了神经科学、生物学、脑科学、生理学、心理学等多领域的交叉合作,从而演化出神经动力的拓扑结构的学习理论.也是基于赫布的突触学习原理,深度学习概念被提出.深度学习理论从突触的联结主义模型发展到多层神经迭代的卷积模型,再至机体与环境相嵌合的Q模型,虽然表现出实证科学的优越性与力量,也凸显了深度从神经元活动样态的可测性至机体—环境的厚度交织的不可测性,但它因为局囿于实证的偏狭而未明了深度学习乃是时间性的浸身介入.</description><issn>1000-7326</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw0DU3NjLTMzIwMtYzMNEzMDBlYeCEi3Mw8BYXZwF5BpYmhkaWxpwMuk92973Yuvrpjuan62Y93df9tGPDs-0bn-5a9nTtsic7Fzyf0PZi3a7ns1qe9k98unEqDwNrWmJOcSovlOZmUHVzDXH20C1PzEtLzEuPz8ovLcoDysRXFFdmgRxhYAJ0gjGx6gAdzEur</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>燕燕</creator><general>淮北师范大学教育学院安徽淮北,235065</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>从赫布定律到深度学习理论的发展</title><author>燕燕</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_xsyj2023040053</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>online_resources</toplevel><creatorcontrib>燕燕</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>学术研究</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>燕燕</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>从赫布定律到深度学习理论的发展</atitle><jtitle>学术研究</jtitle><date>2023</date><risdate>2023</risdate><issue>4</issue><spage>23</spage><epage>31</epage><pages>23-31</pages><issn>1000-7326</issn><abstract>B842%Q42; 神经生理学家赫布(Donald Hebb)假设学习的发生建立在突触的可塑性之上,构建了学习的突触原理的模型.突触学习的还原论在揭示大脑与行为关系的实证研究中既被推进也被反驳,并在不同的发展路径中促进了神经科学、生物学、脑科学、生理学、心理学等多领域的交叉合作,从而演化出神经动力的拓扑结构的学习理论.也是基于赫布的突触学习原理,深度学习概念被提出.深度学习理论从突触的联结主义模型发展到多层神经迭代的卷积模型,再至机体与环境相嵌合的Q模型,虽然表现出实证科学的优越性与力量,也凸显了深度从神经元活动样态的可测性至机体—环境的厚度交织的不可测性,但它因为局囿于实证的偏狭而未明了深度学习乃是时间性的浸身介入.</abstract><pub>淮北师范大学教育学院安徽淮北,235065</pub><doi>10.3969/j.issn.1000-7326.2023.04.005</doi></addata></record>
fulltext	fulltext
identifier	ISSN: 1000-7326
ispartof	学术研究, 2023 (4), p.23-31
issn	1000-7326
language	chi
recordid	cdi_wanfang_journals_xsyj202304005
source	国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
title	从赫布定律到深度学习理论的发展
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-28T08%3A55%3A34IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E4%BB%8E%E8%B5%AB%E5%B8%83%E5%AE%9A%E5%BE%8B%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%90%86%E8%AE%BA%E7%9A%84%E5%8F%91%E5%B1%95&rft.jtitle=%E5%AD%A6%E6%9C%AF%E7%A0%94%E7%A9%B6&rft.au=%E7%87%95%E7%87%95&rft.date=2023&rft.issue=4&rft.spage=23&rft.epage=31&rft.pages=23-31&rft.issn=1000-7326&rft_id=info:doi/10.3969/j.issn.1000-7326.2023.04.005&rft_dat=%3Cwanfang_jour%3Exsyj202304005%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=xsyj202304005&rfr_iscdi=true