Theoretisches Verständnis der Fähigkeit neuronale Systeme, Modelle der Umwelt zu repräsentieren, zu erlernen und zur Verhaltensplanung zu nutzen.

您的位置：我也知道>教育/科学>教育/科学>神经元化系统是怎么回事，它是怎么回事？这是一种犯罪行为，也是一种不同的行为。Konvenonelle，modell-freies配筋Lernen verneint jedoch solche Modelle，während modell-basiertes配筋Lernen，das Echte Planung ermöglicht，Bisher kaum in einen konnektionistisch plausiblen Rahmen eingebettet wurde。我的项目唯一的模式是神经元系统的人是登，das wissen和die perzeptuellen konequenzen von Aktionen erlernt，所以我们在“世界模型”的神经元恢复和zielgerichtete手肺splung现实。DAS系统将指示一种可持续的传感器和机动信号，并使其成为一种机械。Ein beesonderes Augenmerk liegt auf der Selbst-Organisierenden Karten，jedoch gleichermaüen an Aktionen gekoppelt.这是一个自我组织的组织，也是世界上最大的神经元学家。从理论上讲，神经元化是一种基本的方法，从理论上讲，神经元化是一种非常重要的方式。

Wie können neuronale Systeme ein Modell der Umwelt repräsentieren, erlernen und damit komplexe Handlungsabfolgen planen und steuern? Es scheint offensichtlich, dass der Mensch interne Modelle seiner Umwelt erlernt und zur Verhaltensplanung nutzt. Konventionelles, modell-freies Reinforcement Lernen verneint jedoch solche Modelle, während modell-basiertes Reinforcement Lernen, das echte Planung ermöglicht, bisher kaum in einen konnektionistisch plausiblen Rahmen eingebettet wurde. Im Projekt soll ein Modell eines neuronalen Systems erarbeitet werden, das Wissen um die perzeptuellen Konsequenzen von Aktionen erlernt, so ein "Weltmodell" neuronal repräsentiert und zielgerichtete Handlungsplanung realisiert. Das System wird direkt an kontinuierliche Sensor- und Motorsignale koppeln und nur auf lokalen Mechanismen basieren. Ein besonderes Augenmerk liegt auf der Selbst-Organisation der neuronalen Repräsentation von "Zuständen", ähnlich den Selbst-Organisierenden Karten, jedoch gleichermaßen an Aktionen gekoppelt. Das Ziel ist hier die Selbst-Organisation verhaltensbasierter neuronaler Repräsentationen in einem konnektionistischen Weltmodell. Die Methodik basiert einerseits auf der Theorie neuronaler Informationsverarbeitung und des Maschinellen Lernens, insbesondere der Modellierung von Maxkov-Entscheidungs-Prozessen, andererseits auf dynamischen neuronalen Systemen.