[논문 리뷰] Computer Simulation of Neural Networks Using Spreadsheets: The Dawn of the Age of Camelot

Сергій Олексійович Семеріков, Illia O. Teplytskyi외 2명|Digital Library NAES of Ukraine (National Academy of Educational Sciences of Ukraine)|2018. 06. 29.

Information Systems and Technology Applications참고 문헌 32인용 수 15

한 줄 요약

이 논문은 마크로나 추가 기능, 또는 내장 함수를 사용하여 인공 신경망을 가르치고 시뮬레이션하는 데 스프레드시트 환경을 접근 가능한 플랫폼으로 활용할 것을 제안한다. 이는 맥컬로프-핏츠 및 라셰브스키의 이중요인 모델과 같은 역사적 모델을 기반으로 한다. 스프레드시트 기반의 시뮬레이션(내장 함수, 매크로, 또는 애드인을 사용)을 통해 효과적인 신경망 학습과 교육이 가능하며, 특히 계산 신경과학의 기초를 역사적이고 유전적 접근 방식으로 다룰 수 있다.

ABSTRACT

The article substantiates the necessity to develop training methods of computer simulation of neural networks in the spreadsheet environment. The systematic review of their application to simulating artificial neural networks is performed. The authors distinguish basic approaches to solving the problem of network computer simulation training in the spreadsheet environment, joint application of spreadsheets and tools of neural network simulation, application of third-party add-ins to spreadsheets, development of macros using the embedded languages of spreadsheets; use of standard spreadsheet add-ins for non-linear optimization, creation of neural networks in the spreadsheet environment without add-ins and macros. After analyzing a collection of writings of 1890-1950, the research determines the role of the scientific journal "Bulletin of Mathematical Biophysics", its founder Nicolas Rashevsky and the scientific community around the journal in creating and developing models and methods of computational neuroscience. There are identified psychophysical basics of creating neural networks, mathematical foundations of neural computing and methods of neuroengineering (image recognition, in particular). The role of Walter Pitts in combining the descriptive and quantitative theories of training is discussed. It is shown that to acquire neural simulation competences in the spreadsheet environment, one should master the models based on the historical and genetic approach. It is indicated that there are three groups of models, which are promising in terms of developing corresponding methods - the continuous two-factor model of Rashevsky, the discrete model of McCulloch and Pitts, and the discrete-continuous models of Householder and Landahl.

연구 동기 및 목표

• 스프레드시트 환경을 사용하여 신경망의 컴퓨터 시뮬레이션을 위한 접근 가능한 학습 방법을 개발한다.
• 스프레드시트에서 신경망을 시뮬레이션하기 위한 접근 방식(예: 애드인, 매크로, 내장 함수)을 식별하고 체계화한다.
• 스프레드시트 기반 학습에서 역사적 신경망 모델(예: 맥컬로프-핏츠, 라셰브스키)의 교육적 가치를 확립한다.
• 스프레드시트 환경이 외부 소프트웨어 없이도 비선형 최적화와 신경망 구축을 지원할 수 있음을 보여준다.
• 초기 계산 신경과학 저널과 니콜라스 라셰브스키, 월터 피츠와 같은 사상자들이 현대 신경망 이론을 형성하는 데 기여한 기초적 역할을 부각시킨다.

제안 방법

• 1890–1950년대 문헌을 체系적으로 검토하여 계산 신경과학의 기초 모델을 식별한다.
• 세 가지 유망한 신경망 모델을 식별하고 분류한다: 라셰브스키의 연속 이중요인 모델, 맥컬로프-핏츠의 이산 모델, 하우스홀더-랜달의 이산-연속 모델.
• 스프레드시트 도구(예: 수식, 솔버 기능)를 사용하여 외부 라이브러리나 애드인 없이도 신경망 행동을 시뮬레이션한다.
• 내장 매크로 언어(예: VBA)를 사용하여 스프레드시트 기능을 확장하여 동적 신경망 학습을 지원한다.
• 비선형 최적화를 향상시키기 위해 제3자 애드인을 통합하여 시뮬레이션 정확도와 성능을 향상시킨다.
• 모델 개발에 역사적이고 유전적 접근 방식을 도입하여 교육적 진행 단계를 신경망 이론의 발전과 일치시킨다.

실험 결과

연구 질문

• RQ1 스프레드시트 환경은 교육적 맥락에서 인공 신경망을 어떻게 효과적으로 시뮬레이션할 수 있는가?
• RQ2 스프레드시트에 구현 가능한 데 적합한 주요 역사적 신경계산 모델은 무엇인가?
• RQ3 스프레드시트에서 신경망을 시뮬레이션하기 위한 가장 실현 가능한 기술적 접근 방식은 무엇인가? (내장 함수, 매크로, 또는 애드인 사용)
• RQ4 맥컬로프-핏츠와 라셰브스키의 이중요인 모델과 같은 기초 모델은 신경망 시뮬레이션에서 교육적 학습을 어떻게 지원하는가?
• RQ5 초기 과학 저널인 <수학 생물물리학 봉사>가 계산 신경과학의 발전에 어떤 역할을 했는가?

주요 결과

• 스프레드시트 내장 함수, 매크로, 또는 표준 애드인만으로도 효과적인 신경망 시뮬레이션을 수행할 수 있으며, 이는 접근 가능한 신경망 교육을 가능하게 한다.
• 맥컬로프-핏츠의 이산 모델과 라셰브스키의 연속 이중요인 모델은 그 수학적 단순성과 역사적 중요성 덕분에 스프레드시트 기반 구현에 특히 적합하다.
• 비선형 최적화 도구(예: 스프레드시트 솔버)의 통합은 스프레드시트 내에서의 신경망 시뮬레이션 정확도와 실현 가능성을 크게 향상시킨다.
• 1940~1950년대의 역사적 모델, 특히 수학 생물물리학 봉사에 배경을 둔 모델들은 신경망 개념을 가르치는 데 강력한 기초를 제공한다.
• 시뮬레이션 훈련에 역사적이고 유전적 접근 방식을 도입함으로써 학습자들은 신경망의 진화와 이론적 기초를 더 깊이 이해할 수 있다.
• 이 논문은 외부 프로그래밍이나 전용 소프트웨어 없이도 스프레드시트에서 복잡한 신경망 행동을 모델링할 수 있음을 입증하며, 이는 그 교육적 유용성을 검증한다.