Neural Computing Architectures: The Design of Brain-Like Machines
Równoległe przetwarzanie rozproszone McClellanda i Rumelharta było pierwszą książką, która przedstawiła ostateczny opis nowo odrodzonego paradygmatu sieci neuronowych dla sztucznej inteligencji i kognitywistyki. Podczas gdy Neural Computing Architectures porusza te same kwestie, badania w niej opisane w niewielkim stopniu się pokrywają.
Te 18 artykułów zapewnia aktualny i pouczający przegląd i streszczenie zarówno pionierskich, jak i najnowszych europejskich badań koneksjonistycznych. Kilka rozdziałów koncentruje się na modelowaniu kognitywnym, jednak większość prac dotyczy abstrakcyjnej teorii sieci neuronowych lub zastosowań inżynieryjnych, wnosząc ważne uzupełniające perspektywy do obecnie publikowanych prac w PDP. W czterech rozdziałach omówiono obliczenia neuronowe z perspektywy klasycznej, w tym zarówno fundamentalne, jak i aktualne prace z perspektywy matematycznej (logiki, teorii automatów i teorii prawdopodobieństwa), prezentując mniej znane prace, w których neuron jest modelowany jako logiczna funkcja prawdy, która może być zaimplementowana w bezpośredni sposób jako krzemowa pamięć tylko do odczytu.
Przedstawiają nowy materiał zarówno w postaci narzędzi analitycznych i modeli, jak i sugestii dotyczących implementacji w formie optycznej, a także podsumowują perspektywę PDP w jednym rozszerzonym rozdziale obejmującym teorię PDP, zastosowania i spekulacje w badaniach amerykańskich. Każda część jest wprowadzona przez redaktora.
