【正文】 Date 44自適應(yīng)因果推理n 當我們觀察兩個變量之間的伴隨變化或滯后變化，要推出其間的因果關(guān)系，若 A改變時 B也改變，則猜想它們之間有因果關(guān)系，相關(guān)改變越大，因果關(guān)系越準確。學(xué)習(xí)規(guī)則也就成了典型的 Heb差分學(xué)習(xí)： 從 開始遞歸上式可得到： Date 52脈沖編碼的微分 Heb學(xué)習(xí)n 脈沖編碼信號函數(shù)： （ 239） （ 240） 其中 和 都是脈沖函數(shù)，在 t時刻 為 1，其余地方為 0。Date 59微分競爭學(xué)習(xí)作為 調(diào)制n 離散（脈沖編碼）差分競爭學(xué)習(xí)規(guī)則： （ 261） 表示了神經(jīng)元的自適應(yīng) 調(diào)制。 Date 58四 微分競爭學(xué)習(xí)n 非監(jiān)督信號變化 不依賴于未知隸屬度關(guān)系。如何在每個時刻估計未知的均值？可以用稍微滯后的隨機近似估計， martingale假設(shè)用現(xiàn)在估計將來，或者用過去估計現(xiàn)在。 Date 40模糊認知映射 圖 外國投資 礦業(yè) 雇用黑人白人種族激進主義工作保留法律黑人種族聯(lián)合種族隔離 政府管理力度 民族政黨 支持者Date 41模糊認知映射n FCM的因果連接矩陣：Date 42模糊認知映射n 上圖的 TAM記憶過程： 從外國投資政策開始，即 這樣： 箭頭后為閾值化操作， 1/2作為門限值。應(yīng)用此特性可以把訓(xùn)練樣本只通過一次或少數(shù)的幾次即可。因此 （ 165） 就簡化為不改變的形式 。有若干 ， 越接近 ，解碼精度越高。Date 8近期的影響與遺忘n 實際上遺忘定律提供的最簡單的局部非監(jiān)督學(xué)習(xí)定律為： （ 134）n 說明了兩個關(guān)鍵特征： 1 僅依賴于局部信息，即現(xiàn)在的突觸強度 。簡單說，用對角衰減矩陣 W的目的就是對過去的聯(lián)想模式取一段學(xué)習(xí)時間，而給最近的m個聯(lián)想模式取更短一些的學(xué)習(xí)時間。Date 16Heb相關(guān)解碼 假定異聯(lián)想樣本 從連續(xù)函數(shù) f上取樣，那么輸入的微小變化必然引起輸出的微小變化。 （ 169） Date 27競爭作為指示器n 上式是 的神經(jīng)元激勵，使用的是隨機線性競爭學(xué)習(xí)和簡單的加模型。Date 34競爭協(xié)方差估計 Borel測度隨機矢量 y的均方誤差優(yōu)化估計是誤差估計理論的一個重要定理： （ 190） 其中 為 Borel測度隨機矢量函數(shù)。n 時間導(dǎo)數(shù)測值變化，導(dǎo)數(shù)的乘積將這些變化關(guān)聯(lián)起來。 速度微分特性（脈沖編碼信號）：Date 53脈沖編碼的微分 Heb學(xué)習(xí)n 利用速度微分特性，可得到脈沖編碼微分 Heb學(xué)習(xí)規(guī)則： 當沒有脈沖出現(xiàn)，即 時，簡化為隨機信號學(xué)習(xí)規(guī)則。通信理論中， 調(diào)制系統(tǒng)傳輸?shù)氖窍噜彶蓸拥姆炔罘侄皇遣蓸臃缺旧怼５窃鰪姾瘮?shù) 需要實時神經(jīng)元 “知道 ”并使用模式樣本的轉(zhuǎn)換類隸屬度。進一步將上式寫為： 可以用實際觀察值來代