Ассоциативная нейронная сеть

Классический научный подход и инновационные технологии.

Для философии Шеллинга, эти вопросы стояли особенно остро: Так Шеллинг написал в марте 1802 в критическом журнале «Philosophieeine» ряд статей вместе с Гегелем, при отсутствии критериев авторства данных текстов, вероятность авторства Шеллинга или Гегеля, может быть четко определена. Философия Шеллинга, проходит через огромное число изменений, называемых "Proteus" (прим. пер. ядро, основа) его философии, и довольно точно отвечает на вопрос о масштабах и корреляции этих изменений. Ряд ключевых текстов Шеллинга не датирован, так же не стоит сбрасывать со счетов изменения различных издательских коллективов. В данной ситуации необходимо иметь достаточные критерии для исследования основ данных текстов. Для выяснения этих вопросов Шеллингская Комиссия использует с конца 2006 года в рамках проекта, с внешним финансированием Академии проект при поддержке Фонда содействия развитию науки в Баварии, который прямо выразил благодарность данной инновационной компьютерной технологии: Content Network Technology (CNT), которая была разработана «Dr. Holthausen GmbH» в Бохольте на основе применения ассоциативных нейронных сетей. Основой этого сотрудничества с коммерческим сектором является возможность использования в других областях, например, для задач комплексного поиска, использования зарекомендовавшей себя технологии CNT для изучения вопросов классических трудов и интерпретации текстов, подключая исследовательский сценарий вместе разработанными собственными различными методами исследования исторически искаженных источников. Результаты компьютерного анализа, таким образом, могут быть непосредственно изучены для проверки их актуальности и расширения возможностей и границ соответствующих методов обеих сторон.

Ассоциативная нейронная сеть.

Компьютеры, основанные на нейронных сетях, имеют особенности реальных нервных систем, особенно человеческого мозга. Они состоят из упрощенных математических моделей нейронов, которые соединены с другими моделями нейронов, как и нервные клетки через синапсы. Например, нейронная сеть, работающая «над Шеллингом», построена из отрывков текста, из практических соображений страницы работ были выбраны как единицы – нейроны модели, которые связаны словами в них с другими страницами. Слова аналогичны синапсам в мозгу. Если нейрон «активируется», то этот сигнал, согласно весам связей, активирует другие нейроны. Если рассмотреть это распространение активности в сети, то можно сопоставить отрывки, в зависимости от синаптических связей между нейронами. Полученные таким образом соединения соответствуют связям между нервными клетками.

Важное свойство этой математической модели из активов Ассоциации - это информационная мера, которая основана на логарифме относительных словарных частот. Это позволяет определять субъективную, т.е. из соответствующих контекстов, а не определенную извне условиями, информацию для сетевой структуры – в данном случае для объединения в сеть концепций и документов (рис. 2, 3). Связь двух концепций отображается в данной модели как пластичный синапс, который определяет изменение с каждым новым текстом, вводящимся в систему. Таким образом, возможны также проекции на выбранные отрывки текста, которые указывают, как в калейдоскопе, на новые ассоциации. Это происходит без внешних заданных параметров или правил; в частности, не требуется вручную созданный словарь. Даже большие объемы данных, структурированные таким образом при полном отсутствии ограничений, отвечают требованиям данной области гуманитарных наук.