看板
[ CSSE ]
討論串[書訊] 創智慧
共 24 篇文章
內容預覽:
(事先聲明，以下純為個人臆測。). 其實，我目前看起來沒有衝突，只是張復老師沒特別提到 feedback/feedforward 特性。一般來說，跟 markov chain 相關的 machine learning models 也有類似性質，. 但不是以神經生理學作為基礎，而是以機率統計推論的。
(還有976個字)
內容預覽:
其實我會斷定張復誤解 Hawkins 的 model 還有一個重要的原. 因：. 你可以看看 page 16 最後一段，張復認為 Hawkins 主要貢獻. 所在。. 然後再看看 page 217 中， Hawkins 對自己 model 的論述。. 如果你仔細比較，就可以發現，他們講的根本不是同一
(還有57個字)
內容預覽:
其實我比較期待看到的是，多一點文獻引用。. 當然，誠如您在底下提到的，這是科普書，所以這麼想是超過了點。. 我猜，大概是 Bayesian network。. 張老師熟悉的是 pattern classification/recognition 的典範，. 或許，「預測」一詞的意義不太容易扭轉成 H
(還有40個字)
內容預覽:
張復的看法，對我來說只是個提醒。. 該書九成以上的東西，的確是舊酒新瓶，底層的證據都是已知的，但這也. 是理論的威力所在：提供一個清晰的指引，以免我們被繁複的細節掩埋。. 我認為該書的創新至少有以下幾點；. 1. 海馬迴是多個皮質區組成的階層中，最上端的那層。 [page 217]. 2. 皮質區階
(還有255個字)
內容預覽:
某種程度上來說我贊同導讀者張復老師的看法，這本書裡非常具有「革命性」的主張只有海馬迴那部分，其他都是已知的學說，不必因為某些行銷式口吻就覺得這本書在胡扯。. 我想，Jeff Hawkins 確實夠用功，替我們消化了許多文獻而整理出一個方向。然而，除了期待後續研究的驗證，我們在閱讀這本書時，其實也能作
(還有275個字)