특징, 범주적 지각 및 확률 학습: 신경 모델의 일부 응용.

신경 생리학적 고려사항을 기반으로 한 기억 모델에 대한 이전 제안을 검토한다. 우리는 (a) 신경계 활동이 신경 집단 내에서 개별 뉴런 활동의 집합으로 유용하게 표현될 수 있다고 가정하고; (b) 서로 다른 기억 흔적이 동일한 시냅스를 사용하고; (c) 시냅스가 전-후 신경 활동의 곱에 비례하여 시냅스 연결성을 증가시켜 두 가지 신경 활동 패턴을 연결한다고 가정한다. 우리는 (a) 뉴런 집합의 양성 피드백을 도입하고 (b) 개별 뉴런이 포화될 수 있도록 하여 이 모델을 확장한다. 부분적으로 아날로그이고 부분적으로 이진인 하이브리드 모델이 생겨난다. 이 시스템은 특징 분석을 연상시키는 특정 특징을 갖는다. 다음으로 우리는 모델을 '범주적 지각'에 적용한다. 마지막으로 우리는 확률 학습에 대해 논의한다. 이 모델은 지나치기, 최신 데이터 및 두 개 이상의 사건이 있는 시스템에서 발생하는 확률을 합리적으로 정확하게 예측할 수 있다. 초심자의 마음에는 많은 가능성이 있지만, 전문가의 마음에는 적은 가능성이 있다. —순류 스즈키 1970년