پیوندگرایی

{connectionism} [روان شناسی] نگرشی مبتنی بر اینکه یادگیری مستلزم ایجاد رابطه یا پیوند بین محرک و پاسخ است

پیوندگرایی (شناختی). پیوند گرایی ( به انگلیسی: Connectionism ) هم به رویکردی در حوزه علوم شناختی اشاره دارد که امیدوار است پدیده های ذهنی را با استفاده از شبکه های عصبی مصنوعی ( ANN ) توضیح دهد و هم به طیف گسترده ای از تکنیک ها و الگوریتم ها با استفاده از شبکه های عصبی مصنوعی در زمینه هوش مصنوعی برای ساخت ماشین های هوشمندتر به کار می رود. پیوندگرایی یک نظریه شناختی مبتنی بر فعالیت سیگنال توزیع شده همزمان از طریق اتصالاتی ارائه می دهد که می توانند به صورت عددی نمایش داده شوند، جایی که یادگیری با اصلاح نقطه قوت اتصال بر اساس تجربه رخ می دهد.
اصل پیوندگرایی مرکزی این است که پدیده های ذهنی را می توان با شبکه های به هم پیوسته واحدهای ساده و اغلب یکنواخت توصیف کرد. شکل اتصالات و واحدها می تواند از مدلی به مدل دیگر متفاوت باشد. برای مثال، واحدهای موجود در شبکه می توانند نورون ها و اتصالات می توانند سیناپس ها را نشان دهند، مانند مغز انسان.

نگرشی مبتنی بر اینکه یادگیری مستلزم ایجاد رابطه یا پیوند بین محرک و پاسخ است.

💡 جیمز لوید مک‌کلِلند (متولد ۱ دسامبر ۱۹۴۸) استاد روانشناسی دانشگاه استنفورد است. وی به دلیل کار بر روی آموزش آماری و پردازش گسترده موازی شهرت دارد که در آن مدل‌های پیوندگرا (یا شبکه‌های عصبی) را برای تبیین پدیده‌هایی نظیر تشخیص لغات شنیداری و تشخیص لغات دیداری به کار برده است. مک‌کللند تا حد زیادی در رشد گرایش به پیوندگرایی در دهه ۸۰ نقش داشته‌است.

💡 انواع متعددی از مدلسازی در مطالعه رفتار مورد استفاده قرار می‌گیرد. پیوندگرایی از شبکه‌های عصبی جهت شبیه‌سازی مغز بهره می‌جوید. روش دیگر مدل‌سازی سمبلیک است که اشیاء ذهنی مختلف را با استفاده از متغیرها و قوانین به نمایش درمی‌آورد. انواع دیگر مدلسازی عبارتند از سیستم‌های پویا و اتفاقی.