[论文解读] Computer Simulation of Neural Networks Using Spreadsheets: The Dawn of the Age of Camelot

Сергій Олексійович Семеріков, Illia O. Teplytskyi+2 more|Digital Library NAES of Ukraine (National Academy of Educational Sciences of Ukraine)|Jun 29, 2018

Information Systems and Technology Applications参考文献 32被引用 15

一句话总结

本文提出将电子表格环境作为教学和模拟人工神经网络的可及平台，利用麦卡洛克-皮茨（McCulloch-Pitts）和拉斯耶夫斯基（Rashevsky）的双因素模型等历史模型。研究表明，通过使用内置函数、宏或插件的电子表格模拟，能够有效实现神经网络的训练与教育，尤其通过计算神经科学基础的史学与发生学方法。

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.

研究动机与目标

• 开发仅使用电子表格环境进行神经网络计算机模拟的可及训练方法。
• 识别并系统化电子表格中模拟神经网络的方法，包括插件、宏和原生函数。
• 确立使用历史神经网络模型（如麦卡洛克-皮茨模型、拉斯耶夫斯基模型）在电子表格学习中所具有的教学价值。
• 证明电子表格环境可在无需外部软件的情况下支持非线性优化与神经网络构建。
• 强调早期计算神经科学期刊以及尼古拉斯·拉斯耶夫斯基（Nicolas Rashevsky）和沃尔特·皮茨（Walter Pitts）等思想家在塑造现代神经网络理论中的基础性作用。

提出的方法

• 系统性回顾1890–1950年间的文献，以识别计算神经科学中的基础模型。
• 识别并分类三种有前景的神经网络模型：拉斯耶夫斯基的连续双因素模型、麦卡洛克-皮茨的离散模型，以及豪斯霍尔德-兰达尔的离散-连续模型。
• 应用电子表格工具（如公式、求解器功能）在不使用外部库或插件的情况下模拟神经网络行为。
• 使用内嵌宏语言（如VBA）扩展电子表格功能，以支持动态神经网络训练。
• 集成第三方插件以实现非线性优化，提升模拟的准确性和性能。
• 采用历史与发生学相结合的方法进行模型开发，使教学进度与神经网络理论的发展历程相一致。

实验结果

研究问题

• RQ1 在教育环境中，电子表格环境如何被有效用于模拟人工神经网络？
• RQ2 哪些关键的历史神经计算模型适合在电子表格中实现？
• RQ3 在电子表格中模拟神经网络的最可行技术方法是什么——使用原生函数、宏，还是插件？
• RQ4 麦卡洛克-皮茨模型与拉斯耶夫斯基的双因素模型如何在神经网络模拟中支持教学性学习？
• RQ5 早期科学期刊（如《数学生物物理学公报》）在计算神经科学的发展中起到了什么作用？

主要发现

• 仅使用内置函数、宏或标准插件，电子表格即可有效模拟神经网络，从而实现可及的神经网络教育。
• 麦卡洛克-皮茨离散模型与拉斯耶夫斯基的连续双因素模型特别适合在电子表格中实现，因其数学简洁性与历史重要性。
• 集成非线性优化工具（如电子表格求解器）显著提升了电子表格中神经网络模拟的准确性和可行性。
• 20世纪40至50年代的历史模型，尤其是《数学生物物理学公报》语境下发展的模型，为讲授神经网络概念提供了坚实基础。
• 在模拟训练中采用历史与发生学方法，可增强学习者对神经网络演化过程与理论基础的理解。
• 本文证明，无需外部编程或专用软件，复杂的神经网络行为也可在电子表格中建模，从而验证了其教学实用性。