Nächste Seite: Zukünftige Untersuchungen
Aufwärts: Experimente zur adaptiven räumlichen
Vorherige Seite: Paralleles Lernen von und
  Inhalt
Der oben beschriebene Fokusbeweger verfolgt das Ziel, auf
einem bestimmten Teil der Pixelebene zur Ruhe zu kommen.
Betrachtet man die Kombination aus Steuernetzwerk,
gesteuertem Fokus und Pixelebene selbst als ein
einziges Gesamtsystem, so ergibt sich eine interessante Perspektive:
Man könnte in Analogie zu Equilibriumsnetzwerken (Hopfield-Netze,
Boltzmann-Maschine) von einem dynamischen Equilibrium sprechen,
welches die Umgebungsdynamik mit einbezieht.
Teile der Pixelebene, die dem zu findenden Objekt
ähneln, definieren Attraktoren oder lokale Minima in einer
durch das Gesamtsystem definierten `Energielandschaft'.
Diese ist nicht mehr nur von der internen, sondern auch von der
externen Rückkopplung abhängig. Ändert sich die
Umgebung, so ändert sich auch das Energiegebirge. Eine
schwierige, bislang unbeantwortete Frage erhebt sich: Für
welche Art von Fokuskonstruktionen und
für welche visuellen Szenen stellen welche
zu entdeckenden
Ziele tatsächlich Attraktoren und vielleicht gar
globale Minima dar?
Juergen Schmidhuber
2003-02-20
Related links in English: Recurrent neural networks - Subgoal learning - Reinforcement learning and POMDPs - Reinforcement learning economies - Selective attention
Deutsche Heimseite