College aantekeningen hoofdstuk 7 (The network approach)- Inleiding tot de Cognitiewetenschap () - Cognitive Science - International Student Edition

HC 9 – Netwerken



🟦 1. Belangrijke Begrippen & Definities

 Connectionism – Theoretisch kader binnen cognitieve psychologie en AI dat stelt dat
mentale processen ontstaan uit netwerken van onderling verbonden eenheden,
vergelijkbaar met neuronen.

 Artificial Neural Network (ANN) – Computationeel model geïnspireerd op het brein;
opgebouwd uit lagen van neuronen die informatie verwerken via gewogen verbindingen.

 Serial processors – Verwerken informatie stap voor stap, in vaste volgorde.

 Parallel Distributed Processing (PDP) – Verwerkingsmodel waarin cognitieve processen
parallel plaatsvinden via veel verbonden eenheden; kennis is verspreid over het netwerk.

 Knowledge-based approach – Benadering die intelligent gedrag modelleert op basis van
expliciete regels of kennisrepresentaties.

 Behavior-based approach – Richt zich op direct observeerbaar gedrag en reactieregels
(“vermijd obstakels”) in plaats van interne representaties.

 Distributed representation – Informatie ligt verspreid over meerdere eenheden; één
eenheid kan bijdragen aan meerdere concepten.

 Localist representation – Eén specifieke eenheid staat voor één concept.

 Node – Basiseenheid in een netwerk; ontvangt input, verwerkt die, en stuurt output door.

 Links – Verbindingen tussen nodes met gewichten die de invloed bepalen.

 Weights – Numerieke waarden die de sterkte en richting van verbindingen aangeven.

 Unsupervised learning algorithm – Leren zonder bekende juiste antwoorden.

 Supervised learning algorithm – Leren met voorbeelden waarvan de juiste antwoorden
bekend zijn.

 Perceptron – Eenvoudig kunstmatig neuron dat inputs optelt en activeert via een drempel.

 The teacher – Correcte output die gebruikt wordt om een netwerk te trainen.

 Backpropagation – Procedure waarbij de fout tussen output en doel wordt berekend en
gewichten worden aangepast.

 Input layer – Eerste laag die ruwe informatie ontvangt.

 Hidden layer – Middelste laag die input vertaalt naar abstracte representaties.

 Output layer – Geeft uiteindelijke voorspelling of classificatie.

 Error signal – Verschil tussen voorspelde en juiste output.

 Generalized delta rule – Formule voor aanpassing van gewichten om fouten te
minimaliseren.

,  Semantic network – Representatie van kennis in een netwerk van concepten en hun relaties.

 Spreading activation – Activatie verspreidt zich naar gerelateerde concepten in het netwerk.

 Retrieval cue – Trigger die activatie van relevante concepten start.

 Priming – Vooractivering van gerelateerde concepten, waardoor toegang versnelt.

 Hierarchical organization – Structuur van algemeen naar specifiek (superordinate →
ordinate → subordinate).

 Prototypes – Typische representanten van een categorie (bijv. duif voor ‘vogel’).

 Cognitive economy – Opslag van eigenschappen op het hoogst mogelijke niveau om
herhaling te vermijden.

 T.O.T. phenomenon – “Tip-of-the-Tongue”; gevoel dat je iets bijna weet maar het niet
volledig kunt ophalen.

 Degree of fan – Aantal associaties dat een concept heeft.

 Guided search – Doelgerichte zoekstrategie in een netwerk via cues.

 Reconstructive memory – Herinneringen worden opgebouwd uit fragmenten en context.

 Network science – Studie van netwerkstructuren, functies en informatieverspreiding.

 Component-dominant dynamics – Tijdelijke dominantie van bepaalde netwerkonderdelen.

 Interaction-dominant dynamics – Globale patronen ontstaan uit interacties tussen
onderdelen.

 Emergent properties – Eigenschappen die voortkomen uit interacties van componenten.

 Centrality – Maat voor invloed of belang van een knoop in een netwerk.

 Simple cells – Neuronen die basale vormen (lijnen, oriëntaties) detecteren.

 Complex cells – Neuronen die beweging en positie-onafhankelijke vormen herkennen.

 Hypercomplex cells – Reageren op hoeken, uiteinden en specifieke lengtes.

 Small-world network – Netwerk met hoge lokale clustering en korte gemiddelde afstanden.

 Random network – Verbindingen willekeurig gelegd, zonder patroon.

 Ordered network – Regelmatige, voorspelbare verbindingen.

 Egalitarian network – Alle knopen hebben ongeveer evenveel connecties.

 Aristocratic network – Enkele dominante knopen (hubs) met veel connecties.

 Hubs – Knopen met uitzonderlijk veel verbindingen.

 Preferential attachment – Principe dat goed verbonden knopen sneller nieuwe verbindingen
aantrekken.

 Clustering – Mate waarin knopen groepen vormen met veel onderlinge verbindingen.

 Synchrony – Gelijktijdige activatie van knopen, bevordert patroonherkenning.