<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1">
<style type="text/css" style="display:none;"> P {margin-top:0;margin-bottom:0;} </style>
</head>
<body dir="ltr">
<div style="font-family: Calibri, Arial, Helvetica, sans-serif; font-size: 12pt; color: rgb(0, 0, 0);">
Tsvi,</div>
<div style="font-family: Calibri, Arial, Helvetica, sans-serif; font-size: 12pt; color: rgb(0, 0, 0);">
<br>
</div>
<div style="font-family: Calibri, Arial, Helvetica, sans-serif; font-size: 12pt; color: rgb(0, 0, 0);">
My book does not include the regulatory feedback you mention, but includes a lot of recurrent networks dating as far back as 1973 (some of them in high-impact journals).  It is indeed readily available, in fact it was announced on Connectionists about two years
 ago.  The link is 
<p class="MsoNormal" style="margin:0in;font-size:12pt;font-family:"Times New Roman", serif;margin-left:.5in;text-align:justify;text-justify:inter-ideograph;text-indent:-.5in;tab-stops:-67.8pt -31.8pt 4.2pt 40.2pt 76.2pt 112.2pt 148.2pt 184.2pt 220.2pt 256.2pt 292.2pt 328.2pt 364.2pt 400.2pt 436.2pt">
<span lang="EN-GB" style="mso-ansi-language:EN-GB"><a href="https://www.routledge.com/Introduction-to-Neural-and-Cognitive-Modeling-3rd-Edition/Levine/p/book/9781848726482">https://www.routledge.com/Introduction-to-Neural-and-Cognitive-Modeling-3rd-Edition/Levine/p/book/9781848726482</a></span><span style="color:black"><o:p> . 
 It is organized primarily by problems and secondarily by approaches.</o:p></span></p>
<p class="MsoNormal" style="margin:0in;font-size:12pt;font-family:"Times New Roman", serif;margin-left:.5in;text-align:justify;text-justify:inter-ideograph;text-indent:-.5in;tab-stops:-67.8pt -31.8pt 4.2pt 40.2pt 76.2pt 112.2pt 148.2pt 184.2pt 220.2pt 256.2pt 292.2pt 328.2pt 364.2pt 400.2pt 436.2pt">
<span style="color:black"><o:p><br>
</o:p></span></p>
<p class="MsoNormal" style="margin:0in;font-size:12pt;font-family:"Times New Roman", serif;margin-left:.5in;text-align:justify;text-justify:inter-ideograph;text-indent:-.5in;tab-stops:-67.8pt -31.8pt 4.2pt 40.2pt 76.2pt 112.2pt 148.2pt 184.2pt 220.2pt 256.2pt 292.2pt 328.2pt 364.2pt 400.2pt 436.2pt">
<span style="color:black"><o:p><br>
</o:p></span></p>
<p class="MsoNormal" style="margin:0in;font-size:12pt;font-family:"Times New Roman", serif;margin-left:.5in;text-align:justify;text-justify:inter-ideograph;text-indent:-.5in;tab-stops:-67.8pt -31.8pt 4.2pt 40.2pt 76.2pt 112.2pt 148.2pt 184.2pt 220.2pt 256.2pt 292.2pt 328.2pt 364.2pt 400.2pt 436.2pt">
<span style="color:black"><o:p>Dan</o:p></span></p>
</div>
<div id="appendonsend"></div>
<hr style="display:inline-block;width:98%" tabindex="-1">
<div id="divRplyFwdMsg" dir="ltr"><font face="Calibri, sans-serif" style="font-size:11pt" color="#000000"><b>From:</b> Tsvi Achler <achler@gmail.com><br>
<b>Sent:</b> Monday, November 1, 2021 4:23 AM<br>
<b>To:</b> Levine, Daniel S <levine@uta.edu><br>
<b>Cc:</b> Schmidhuber Juergen <juergen@idsia.ch>; connectionists@cs.cmu.edu <connectionists@cs.cmu.edu><br>
<b>Subject:</b> Re: Connectionists: Scientific Integrity, the 2021 Turing Lecture, etc.</font>
<div> </div>
</div>
<div>
<div dir="ltr">
<div dir="ltr">Daniel,
<div><br>
</div>
<div>Does your book include a discussion of Regulatory or Inhibitory Feedback published in several low impact journals between 2008 and 2014 (and in videos subsequently)?</div>
<div>These are networks where the primary computation is inhibition back to the inputs that activated them and may be very counterintuitive given today's trends.  You can almost think of them as the opposite of Hopfield networks.</div>
<div><br>
</div>
<div>I would love to check inside the book but I dont have an academic budget that allows me access to it and that is a huge part of the problem with how information is shared and funding is allocated. I could not get access to any of the text or citations
 especially Chapter 4: "Competition, Lateral Inhibition, and Short-Term Memory", to weigh in.</div>
<div><br>
</div>
<div>I wish the best circulation for your book, but even if the Regulatory Feedback Model is in the book, that does not change the fundamental problem if the book is not readily available. </div>
<div><br>
</div>
<div>The same goes with Steve Grossberg's book, I cannot easily look inside.  With regards to Adaptive Resonance I dont subscribe to lateral inhibition as a predominant mechanism, but I do believe a function such as vigilance is very important during recognition
 and Adaptive Resonance is one of a very few models that have it.  The Regulatory Feedback model I have developed (and Michael Spratling studies a similar model as well) is built primarily using the vigilance type of connections and allows multiple neurons
 to be evaluated at the same time and continuously during recognition in order to determine which (single or multiple neurons together) match the inputs the best without lateral inhibition.</div>
<div><br>
</div>
<div>Unfortunately within conferences and talks predominated by the Adaptive Resonance crowd I have experienced the familiar dismissiveness and did not have an opportunity to give a proper talk. This goes back to the larger issue of academic politics based
 on small self-selected committees, the same issues that exist with the feedforward crowd, and pretty much all of academia.</div>
<div><br>
</div>
<div>Today's information age algorithms such as Google's can determine relevance of information and ways to display them, but hegemony of the journal systems and the small committee system of academia developed in the middle ages (and their mutual synergies)
 block the use of more modern methods in research.  Thus we are stuck with this problem, which especially affects those that are trying to introduce something new and counterintuitive, and hence the results described in the two National Bureau of Economic Research
 articles I cited in my previous message.</div>
<div><br>
</div>
<div><span style="color:rgb(0,0,0)">Thomas, I am happy to have more discussions and/or start a different thread.</span><br>
</div>
<div><br>
</div>
<div>Sincerely,</div>
<div>Tsvi Achler MD/PhD</div>
<div><br>
</div>
<div><br>
</div>
</div>
<br>
<div class="x_gmail_quote">
<div dir="ltr" class="x_gmail_attr">On Sun, Oct 31, 2021 at 12:49 PM Levine, Daniel S <<a href="mailto:levine@uta.edu">levine@uta.edu</a>> wrote:<br>
</div>
<blockquote class="x_gmail_quote" style="margin:0px 0px 0px 0.8ex; border-left:1px solid rgb(204,204,204); padding-left:1ex">
<div dir="ltr">
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
Tsvi,</div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
<br>
</div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
While deep learning and feedforward networks have an outsize popularity, there are plenty of published sources that cover a much wider variety of networks, many of them more biologically based than deep learning.  A treatment of a range of neural network approaches,
 going from simpler to more complex cognitive functions, is found in my textbook <i>
Introduction to Neural and Cognitive Modeling</i> (3rd edition, Routledge, 2019).  Also Steve Grossberg's book
<i>Conscious Mind, Resonant Brain</i> (Oxford, 2021) emphasizes a variety of architectures with a strong biological basis.</div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
<br>
</div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
<br>
</div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
Best,</div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
<br>
</div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
<br>
</div>
<div style="font-family:Calibri,Arial,Helvetica,sans-serif; font-size:12pt; color:rgb(0,0,0)">
Dan Levine</div>
<div id="x_gmail-m_7665975300539281535appendonsend"></div>
<hr style="display:inline-block; width:98%">
<div id="x_gmail-m_7665975300539281535divRplyFwdMsg" dir="ltr"><font face="Calibri, sans-serif" color="#000000" style="font-size:11pt"><b>From:</b> Connectionists <<a href="mailto:connectionists-bounces@mailman.srv.cs.cmu.edu" target="_blank">connectionists-bounces@mailman.srv.cs.cmu.edu</a>>
 on behalf of Tsvi Achler <<a href="mailto:achler@gmail.com" target="_blank">achler@gmail.com</a>><br>
<b>Sent:</b> Saturday, October 30, 2021 3:13 AM<br>
<b>To:</b> Schmidhuber Juergen <<a href="mailto:juergen@idsia.ch" target="_blank">juergen@idsia.ch</a>><br>
<b>Cc:</b> <a href="mailto:connectionists@cs.cmu.edu" target="_blank">connectionists@cs.cmu.edu</a> <<a href="mailto:connectionists@cs.cmu.edu" target="_blank">connectionists@cs.cmu.edu</a>><br>
<b>Subject:</b> Re: Connectionists: Scientific Integrity, the 2021 Turing Lecture, etc.</font>
<div> </div>
</div>
<div>
<div dir="ltr">Since the title of the thread is Scientific Integrity, I want to point out some issues about trends in academia and then especially focusing on the connectionist community.
<div><br>
<div>In general analyzing impact factors etc the most important progress gets silenced until the mainstream picks it up <a href="https://nam12.safelinks.protection.outlook.com/?url=https%3A%2F%2Fwww.nber.org%2Fsystem%2Ffiles%2Fworking_papers%2Fw22180%2Fw22180.pdf%3Ffbclid%3DIwAR1zHhU4wmkrHASTaE-6zwIs6gI9-FxZcCED3BETxUJlMsbN_2hNbmJAmOA&data=04%7C01%7Clevine%40uta.edu%7Cd65ad5550fec40aafaca08d99d195386%7C5cdc5b43d7be4caa8173729e3b0a62d9%7C1%7C0%7C637713554370922823%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C1000&sdata=uaVCVLcTNDHAyNwWQ%2BQikujb0vblzcwqtis2bxhpxnE%3D&reserved=0" originalsrc="https://www.nber.org/system/files/working_papers/w22180/w22180.pdf?fbclid=IwAR1zHhU4wmkrHASTaE-6zwIs6gI9-FxZcCED3BETxUJlMsbN_2hNbmJAmOA" shash="zKFZ/gj0MLMabYTSQ0tWVStDEcLWaKX2/aOsiipu5vlmMwfnTDdAR8r0De/BZJ2IHmdM41+csRT4kkNeF8559hdmecZOv13SslQPI7m3rae/0p361q09STd8jCf+X336kQNoA7Dak8rMo6miwzKHlbK6xi3XZmA+eWPwVZoT4Cw=" rel="nofollow noopener" role="link" target="_blank">Impact
 Factiors in novel research www.nber.org/.../working_papers/w22180/w22180.pdf</a>  and often this may take a generation <a href="https://nam12.safelinks.protection.outlook.com/?url=https%3A%2F%2Fwww.nber.org%2Fdigest%2Fmar16%2Fdoes-science-advance-one-funeral-time%3Ffbclid%3DIwAR1Lodsf1bzje-yQU9DvoZE2__S6R7UPEgY1_LxZCSLdoAYnj-uco0JuyVk&data=04%7C01%7Clevine%40uta.edu%7Cd65ad5550fec40aafaca08d99d195386%7C5cdc5b43d7be4caa8173729e3b0a62d9%7C1%7C0%7C637713554370932818%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C1000&sdata=h6zq2Liyu%2FKWlZcIwD0sIoO6VsrUK755vriOKoSfCts%3D&reserved=0" originalsrc="https://www.nber.org/digest/mar16/does-science-advance-one-funeral-time?fbclid=IwAR1Lodsf1bzje-yQU9DvoZE2__S6R7UPEgY1_LxZCSLdoAYnj-uco0JuyVk" shash="Hmv6/6agUJWfi42QW7EJkOHn3PEU9zvcKy+zqn/B+fumggEcvXAhJE5o8/ujlCsktjHm1UxtNEyjMJGnmhoeQQH94lQc85krQaqmW0zfCFCGL2QneuJs2RJapHPK5z5Libb8M4Ey2N0H+BXq4JwGtf/bUb7Pq7eQsR36mSwKdpM=" rel="nofollow noopener" role="link" target="_blank">https://www.nber.org/.../does-science-advance-one-funeral...</a>  .</div>
<div><br>
</div>
<div>The connectionist field is stuck on feedforward networks and variants such as with inhibition of competitors (e.g. lateral inhibition), or other variants that are sometimes labeled as recurrent networks for learning time where the feedforward networks
 can be rewound in time.</div>
<div><br>
</div>
<div>This stasis is specifically occuring with the popularity of deep learning.  This is often portrayed as neurally plausible connectionism but requires an implausible amount of rehearsal and is not connectionist if this rehearsal is not implemented with neurons
 (see video link for further clarification).</div>
<div><br>
</div>
<div>Models which have true feedback (e.g. back to their own inputs) cannot learn by backpropagation but there is plenty of evidence these types of connections exist in the brain and are used during recognition. Thus they get ignored: no talks in universities,
 no featuring in "premier" journals and no funding. </div>
<div><br>
</div>
<div>But they are important and may negate the need for rehearsal as needed in feedforward methods.  Thus may be essential for moving connectionism forward.</div>
<div><br>
</div>
<div>If the community is truly dedicated to brain motivated algorithms, I recommend giving more time to networks other than feedforward networks.</div>
<div><br>
</div>
<div>Video: <a href="https://nam12.safelinks.protection.outlook.com/?url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3Dm2qee6j5eew%26list%3DPL4nMP8F3B7bg3cNWWwLG8BX-wER2PeB-3%26index%3D2&data=04%7C01%7Clevine%40uta.edu%7Cd65ad5550fec40aafaca08d99d195386%7C5cdc5b43d7be4caa8173729e3b0a62d9%7C1%7C0%7C637713554370932818%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C1000&sdata=BqKoG5yltWfdFMAG2%2BMCTxzbfmLAz4Tsjdwy1ZjhRwE%3D&reserved=0" originalsrc="https://www.youtube.com/watch?v=m2qee6j5eew&list=PL4nMP8F3B7bg3cNWWwLG8BX-wER2PeB-3&index=2" shash="jtFh0XIKHsfA9OVqAprJw0Ebmvrf83k9bjhYhYvWwPisj96NoLi9GNRcwG9tDxIOn4y+TrqsaBQJdqYiRKIqvo9gv6F122bydivPHOM7XHSyj4gsbnS9tGyM+iE/jOVhIWjY0EbGwfuxg5wRdoBJ3U1BqDRGN2jicOxe3z8ZBEg=" target="_blank">https://www.youtube.com/watch?v=m2qee6j5eew&list=PL4nMP8F3B7bg3cNWWwLG8BX-wER2PeB-3&index=2</a></div>
<div><br>
</div>
<div>Sincerely,</div>
<div>Tsvi Achler</div>
<div><br>
</div>
<div><br>
</div>
</div>
</div>
<br>
<div>
<div dir="ltr">On Wed, Oct 27, 2021 at 2:24 AM Schmidhuber Juergen <<a href="mailto:juergen@idsia.ch" target="_blank">juergen@idsia.ch</a>> wrote:<br>
</div>
<blockquote style="margin:0px 0px 0px 0.8ex; border-left:1px solid rgb(204,204,204); padding-left:1ex">
Hi, fellow artificial neural network enthusiasts!<br>
<br>
The connectionists mailing list is perhaps the oldest mailing list on ANNs, and many neural net pioneers are still subscribed to it. I am hoping that some of them - as well as their contemporaries - might be able to provide additional valuable insights into
 the history of the field.<br>
<br>
Following the great success of massive open online peer review (MOOR) for my 2015 survey of deep learning (now the most cited article ever published in the journal Neural Networks), I've decided to put forward another piece for MOOR. I want to thank the many
 experts who have already provided me with comments on it. Please send additional relevant references and suggestions for improvements for the following draft directly to me at
<a href="mailto:juergen@idsia.ch" target="_blank">juergen@idsia.ch</a>:<br>
<br>
<a href="https://nam12.safelinks.protection.outlook.com/?url=https%3A%2F%2Fpeople.idsia.ch%2F~juergen%2Fscientific-integrity-turing-award-deep-learning.html&data=04%7C01%7Clevine%40uta.edu%7Cd65ad5550fec40aafaca08d99d195386%7C5cdc5b43d7be4caa8173729e3b0a62d9%7C1%7C0%7C637713554370942814%7CUnknown%7CTWFpbGZsb3d8eyJWIjoiMC4wLjAwMDAiLCJQIjoiV2luMzIiLCJBTiI6Ik1haWwiLCJXVCI6Mn0%3D%7C1000&sdata=BgJJl4D36%2BZ7ExQDaBh9lcJJFJZ5Byd0V7xuyvOjGuI%3D&reserved=0" originalsrc="https://people.idsia.ch/~juergen/scientific-integrity-turing-award-deep-learning.html" shash="wlt53CQWx12QRrOnN4RUhr1M8jkDHEJdc7zPtBpaOVnBr3NWM1NVtEIsnBDj1IHu6sEX+1VwcuSGnudVIXG94hMznuxBCE/7VnvZbxbOspVYHAuG88g7B25nHR8mFas6NPrDODaE2GsxdE/jyjOTIb/255Pwg1zrxrhxymkyG3s=" rel="noreferrer" target="_blank">https://people.idsia.ch/~juergen/scientific-integrity-turing-award-deep-learning.html</a><br>
<br>
The above is a point-for-point critique of factual errors in ACM's justification of the ACM A. M. Turing Award for deep learning and a critique of the Turing Lecture published by ACM in July 2021. This work can also be seen as a short history of deep learning,
 at least as far as ACM's errors and the Turing Lecture are concerned.<br>
<br>
I know that some view this as a controversial topic. However, it is the very nature of science to resolve controversies through facts. Credit assignment is as core to scientific history as it is to machine learning. My aim is to ensure that the true history
 of our field is preserved for posterity.<br>
<br>
Thank you all in advance for your help! <br>
<br>
Jürgen Schmidhuber<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
<br>
</blockquote>
</div>
</div>
</div>
</blockquote>
</div>
</div>
</div>
</body>
</html>