Информации

Зошто нервната архитектура не е поврзана за Н-димензионална визија, туку за апстрактна математика?

Зошто нервната архитектура не е поврзана за Н-димензионална визија, туку за апстрактна математика?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Во теоретскиот минимум, во предавањето 1, Леонард Сускинд вели дека можете да визуелизирате само 3 димензионални слики. (види себе). Затоа, вели тој, за да се справите со N димензиите, треба да се занимавате со апстрактна алгебра. Се прашувам зошто мозокот е хардвизиран за апстрактна алгебра.

Можеби вреди да се напомене дека техничарите не потсетуваат дека вашиот ум размислува на слики и се сеќава на слики, а не на зборови или апстрактни мисли?


Апстрактната алгебра и n-димензионалниот простор се конструкции на човечкиот ум. Бидејќи тие се конструкции на човечкиот ум, секако е можно човечкиот ум да ги сфати.

Н-димензионалниот простор е математичка конструкција. Дека човечката математика дозволува изградба на нешто, не значи дека постои во реалноста.

На пример, во математиката, постојат3 јаболкаНа Во реалноста, нема 3 јаболка, бидејќи сите јаболка се различни (по големина, боја, зрелост, вкус итн.), И равенката1 јаболко = 1 јаболкосекогаш е лажна.

Математиката е апстракција од реалноста, а фактот дека е апстракција значи дека релевантните информации се губат во математичката претстава. Ако го свртите ова, тоа значи дека математичкиот модел има непозната врска со реалноста, бидејќи не знаете кои информации не се присутни во моделот.

Уште поосновно, не е познато дали воопшто постои нешто што се однесува на тој модел. На пример, равенката3 - 4 = -1нема врска во реалноста. Нема негативни предмети или должини. (Сите скали што вклучуваат негативи, како што е температурата, имаат произволна нулта точка и можат да се трансформираат во скала без негативни, на пример, Келвин.) Дури и едноставната математика е измислена. Постоењето на математички објект или модел, како што е n-димензионалниот простор, не докажува, ниту дури подразбира постоење на поврзана реалност.


Некој може да каже дека мозокот не е поврзан со апстрактни идеи ... зошто? Има исцрпна работа на Пијаже во која тој тврдеше за фазите на размислување. Современите истражувања тврдат дека само 25-35% од средношколците не влегуваат во формална оперативна фаза, што е приближно апстрактно размислување. Така, просечниот eо е тврд за тридимензионална визија и конкретно размислување.

ажурирање 1: Од теоретска перспектива на еволутивен психолог или биолог, може да се претпостави дека во еден момент на Земјата за организмот било поважно како да се организираат, или како да најдат храна итн., потоа како да гледаат во повеќе димензии. Постои очигледна разлика во различни видови и визија, можеме да претпоставиме дека е развиена хронолошки или одеднаш. но ако беше хронолошки мотивот за адаптација беше главниот мотив. На тој начин, една од дефинициите за интелигенција е способноста за прилагодување.

update2: Го гледав ова видео предавање и има неколку грешки во неговите изјави: 1) времето е перцепција за човекот, прашање е дали е нешто што е универзално признато. 2) 1, 2, 3 не се броеви - тие се прикажување на броеви од Платон 3) ова е поважно 3 -димензионален визионерски систем е како времето, нешто што ние веруваме дека постои, но n -димензионалниот систем и 3 -димензионалниот систем имаат само заеднички збор „димензија“. тие не се исти „димензии“ мислите дека е исто бидејќи името е исто. Симиларната грешка е помеѓу јунгискиот збор Екстраверзија и терминот Ајзенк или Б5. Дали разбираш сега? Така, луѓето сакаат да стават во координатен систем нешто што не припаѓа таму.


Рамка за длабоко учење за невронаука

Системската невронаука бара објаснувања за тоа како мозокот спроведува широк спектар на перцептивни, когнитивни и моторни задачи. Спротивно на тоа, вештачката интелигенција се обидува да дизајнира пресметковни системи врз основа на задачите што ќе треба да ги решат. Во вештачките невронски мрежи, трите компоненти наведени со дизајн се објективните функции, правилата за учење и архитектурата. Со зголемениот успех на длабокото учење, кое користи архитектури инспирирани од мозокот, овие три дизајнирани компоненти стануваат с central поважни за начинот на кој ги моделираме, инженерираме и оптимизираме сложените системи за вештачко учење. Тука се расправаме дека поголем фокус на овие компоненти исто така би имал корист за системите за невронаука. Даваме примери за тоа како оваа рамка заснована на оптимизација може да поттикне теоретски и експериментален напредок во невронауката. Ние тврдиме дека оваа принципиелна перспектива за системската невронаука ќе помогне да се генерира побрз напредок.


Јаак Панксеп и обука за природни кучиња

Дебатите што ги имав на различни форуми со модерните теоретичари за учење на крајот се вртат околу моето тврдење дека емоциите го обликуваат учењето преку процес кој е многу посуштински од кој било систем на засилување. Јас тврдам дека засилувањата не се инструментални, шаблонот е на прво место и е, исто така, последниот стандард според кој секое животно дејство се проценува како ефикасно или не.

Постојано во овие дискусии работата на Јаак Пансеп, можеби најистакнатиот светски експерт за невробиологија на емоции, се повикува на побивање на мојот аргумент фокусиран на емоции. Морам да признаам дека сум малку удар, така што мојот прв рефлекс е да размислувам за разоткривање на Панксеп, бидејќи погрешно го претпоставував тоа, бидејќи постои една фундаментална и огромна точка на разлика што треба да се направи помеѓу она што го истражува утврди наспроти она што го откри начинот на анализа во момент, дека затоа во конечната анализа наодите на Панксеп стојат во огромна негација на мојата теорија. Меѓутоа, во реалноста моите противници што дебатираат само се обидуваат да побијат нешто, с anything и с everything, морам да кажам и тие се свртеа кон Панксеп за да го преземат моето тврдење дека постои само една емоција која функционира преку неврологија, физиологија, па дури и анатомија како виртуелна сила на привлечност.

Панксеп, беспрекорен и фер ум, научник вели дека постојат седум примарни емоции: ПРЕБАРУВАЕ, БЕР, СТРАВ, СРАС, ГРИА, ПАНИКА/ОГЛАС, ИГРА, секој од нив да се најде во одреден регион на мозокот и го спроведе истражувањето со кое се потврдува ова Не гледам како некој разумен човек може да се сомнева во неговите наоди. Така, на надворешен набудувач кој не одвојува време да им даде фер сослушување на моите идеи, мора да изгледа дека сум спротиставен против целиот научен свет, бидејќи разбрав универзална, монолитна емоција, заедничка за сите животни и основа на животинска свест, значи дека треба да се направат разлики со секое друго толкување на емоциите и однесувањето на животните кои с have уште не дошле до тој заклучок. Сепак, вистината е дека науката е најголемиот сојузник на мојата теорија и сакам да одвојам време да ја направам оваа точка неизбежно живописна. Исто така, верувам дека оваа конкретна дискусија ќе помогне појасно да ја оформи рамката на теоријата кога ќе се вратам да разјаснам како животинскиот ум составува чувство за својот “ себе ” во делот за говорот на телото. Така, во оваа насока, ќе го разгледам видео интервјуто спроведено со Панксеп, кое убаво го сумира и јасно го артикулира неговото истражување.

Овој преглед веројатно ќе потрае две или три статии за да се опфати во целост. Среќен сум што можам да кажам дека колку повеќе учам од Панксеп, толку повеќе сфаќам колку заедничко имаме и дека има исто толку говедско месо со Скинер и современите теоретичари за учење како и јас. Во видеото тој раскажува за пишување долго писмо до Скинер само за да добие слаб одговор.

Сепак, во исто време останувам убеден дека има само една емоција. Што се однесува до мозокот, Пансеп е во право, има седум афективни системи во мозокот кои спроведуваат емоционални состојби. Но, јас тврдам дека постои механизам подлабок од овие невролошки вкоренети системи и може да се забележи кога се интерпретира сложено однесување во смисла на непосреден момент (без проекција на мисли). Седумте афективни системи што ги идентификуваше не се примарни емоции, бидејќи колку и да се длабоко вградени во неврологијата на 'рбетниците, тие сепак мораа да потекнуваат од некаде, исто како што тврди Панксеп, некои од понапредните афективни системи на цицачи, исто така, произлегуваат од повеќе основните што се наоѓаат кај долните 'рбетници, како што се рибите.

Мојата теорија е дека постои една емоција, недиференцирана, монолитна „сила“ на привлечност, и за да можат две индивидуи да се поврзат и емотивно да се поврзат, поединецот мора да „се развива“ под нивото на инстинкт, како и под животот стекнати вредности и навики на умот, за да се пристапи до ова ниво на чиста примарна емоција составена од колото за глад и рамнотежа. Токму на ова ниво се воспоставува емоционална врска, така што две лица можеби емотивно ќе се заплеткаат по пат на чувства. Овој процес на емоции што се развива во чувства се темели на двојноста на грабливецот и пленот (проекција на емоции и апсорпција на емоции) и превртувањето на овие улоги, така што емоционалниот набој се пренесува напред и назад во процес на разработка во кој тие конечно ќе дојдат да се разликуваат едни од други на комплементарен начин, сличен на огледало. Овој процес на елаборација е најосновната архитектура на животинскиот ум врз кој седи сексуалноста, па дури и личноста. Вклучува не само неврологија на организмот, туку и физиологија и анатомија. Можам да замислам дека седумте афективни системи на Панксеп се емоционални средства за имплементација со оглед на тоа што мозокот е извршен орган, така што иако овие седум системи не се фундаментални, тие многу добро може да се покажат таму каде што емоциите се поврзуваат со најосновните извршни процеси на мозокот. Јас с believe уште верувам дека седумте афективни системи не ја артикулираат улогата што телото, а особено анатомијата, ја игра како подлога на емоциите и во создавањето на емоционална врска и капацитет за чисто адаптивен одговор на промената што е надвор од опсег на веќе постоечка шема. Така, иако е точно дека одреден регион од најпримарните региони на мозокот може да биде електрично стимулиран и да предизвика состојби како СТРАВ, СРАС, ГУСТ, ИГРА ,Е, ПАНИКА, НУРТУРА и БАРАЕ, според мое мислење, ова се емоционални состојби, цврсти ефективни системи, така што работите можат да работат автоматски и веднаш за да се справат со предвидлив модел, но дека тие не се доволни за да се интегрира индивидуата кохерентно во поголемите системи на проток што ја надминуваат индивидуализираната свест и кои се струја со, и против кои, мора да плива.

Мојот аргумент е дека емоциите произлегуваат од интеграцијата на неврологијата, физиологијата и анатомијата како ко-еднакви партнери, бидејќи овие основни системи го усогласуваат проблемот со глад/рамнотежа. Ако останете на место, гладувате. Потоа повторно, ако се движите, може да ве соборат и да ве изедат. Задоволувањето глад, во однос на одржувањето рамнотежа, генерира подлога како референтна рамка за умот, платформа преку која аспектите на мозокот, дури и подлабоко од седумте афективни системи, ги фокусираат внатрешните енергии за физички да го поместат телото од точката А да ја посочиме точката Б во помирување на основната загатка на животот на земјата, да се движи или да умре, да се движи премногу и да умре.

За да се бара, за да се изрази страст, бес или негување, за да се игра или да се избега, телото мора да се движи. Телото се поместува со фокусирање на надворешен објект за привлекување, а истовремено сублиминално фокусирање на специфичната локација на физичкиот центар на гравитација во телото, со анатомијата во движење симетрично усогласена околу оваа специфична точка која е секогаш во тек. Ова е платформа од која чувствата се елаборираат во сложени, интелигентни и креативно прилагодливи одговори на надворешни настани. Ова е прецизна динамика за автоматско подесување/повратни информации што предизвикува животното да ги согледа и интерпретира промените според принципот на емоционална спроводливост, така што различните потсистеми во мозокот не пукаат случајно, и така што организмот ќе биде точно вгнезден во поголемите системи за проток на природата. Во оваа динамика за автоматско подесување/повратни информации, анатомијата на организмот е исто толку важна за генерирање на рамка на умот, како и нејзината неврологија. (Треба да забележиме дека централизацијата на нервниот систем и билатералната симетрична анатомија еволуираа истовремено, или првата после втората. Во секој случај, двете се неразделно поврзани.) Верувам дека афективните системи не се вистинскиот извор на емоции , бидејќи емоцијата е внатрешна метрика што го води организмот да најде емоционална „почва“ со интегрирање на своето „јас“ со она што го привлекува. Два нервни системи во две одделни глави и тела се интегрираат во еден ум. Телото е составен дел на овој процес. Не постои само за да ја носите главата наоколу.

Така, врз основа на моето досегашно разбирање за Панксеп, и ја поздравувам критиката од оние што се поинформирани, оваа серија написи се однесува на корелациите што можат да се извлечат помеѓу истражувањето на Панксеп и основните принципи на емоции кои се во основата на филозофијата, теоријата и методот на Природно куче Обука. Затворам со цитат од зборовите на Панкеп што се појавуваат на крајот од видеото и кои ми се особено инспиративни со оглед на тоа со што честопати се соочуваат оние на убедувањето за обука на природни кучиња кога дебатираат за други експерти, односно престанок. Бев изненаден кога слушнав за неговите лични напори на пазарот на идеи. Неговата отвореност и упорност се вистинските работи на науката.

(57:20) „Можете ли да замислите дека научниците ќе ја затворат книгата за да зборуваат за работи што зборуваат за можната природа на светот. Но, ова се случи историски. Имаме брилијантни луѓе со екстремна ароганција што ни кажуваат за што можеме да зборуваме и за што не можеме. Дури и денес, повеќето психолози го оставија организмот надвор од вратата и ги проучуваат концептите што ги имаат “.


Референци

Алварез, Г. А., и засилувач Кавана, П. (2004). Капацитетот на визуелната краткорочна меморија е поставен и според визуелното оптоварување на информациите и по бројот на објекти. Психолошка наука, 15(2), 106–111.

Ау, Е., Бартон, Б., и засилувач Вогел, Е. К. (2007). Визуелната работна меморија претставува фиксен број на предмети без оглед на сложеноста. Психолошка наука, 18(7), 622–628.

Бадли, А.Д., и засилувач Хич, Г. Ј. (1974). Работна меморија. Психологија на учење и мотивација: напредок во истражувањето и теоријата, 8, 47–89.

Bays, P. M., Catalao, R. F. G., & amp Husain, M. (2009). Прецизноста на визуелната работна меморија се поставува со распределба на заеднички ресурс. Весник на визија, 9(10), 1–11.

Бејс, П. М., Горгораптис, Н., Ви, Н., Маршал, Л., и засилувач Хусеин, М. (2011а). Временска динамика на кодирање, складирање и пренамена на визуелната работна меморија. Весник на визија, 11(10), 1–15.

Бејс, П. М., Ву, Е. Ј., и засилувач Хусеин, М. (2011б). Динамично ажурирање на работните мемориски ресурси за визуелни објекти. Весник на невронауки, 31(23), 8502–8511.

Блок, Х. Д. (1962). Перцептрон: модел за функционирање на мозокот. Прегледи на модерната физика, 34(1), 123–135.

Бауман, Х., и засилувач Вибл, Б. (2007). Симултан тип, сериски знак модел на временско внимание и работна меморија. Психолошки преглед, 114(1), 38–70.

Брејди, Т. Ф., и засилувач Алварез, Г. А. (2011). Хиерархиско кодирање во визуелната работна меморија: ансамбл статистика пристрасност меморија за одделни ставки. Психолошка наука, 22(3), 384–392.

Брејди, Т. Ф., и засилувач Тененбуам, Ј.Б. (2013). Веројатниот модел на визуелна работна меморија: инкорпорирање на регуларности од повисок ред во проценките на капацитетот на работната меморија. Психолошки преглед, 120(1), 85–109.

Карамаца, А., и засилувач Микели, Г. (1990). Структурата на графемски претстави. Сознание, 37, 243–297.

Фугни, Д., и засилувач Алварез, Г. А. (2011). Карактеристиките на објектот не успеваат независно во визуелните докази за работна меморија за веројатниот модел за складирање карактеристики. Весник на визија, 11(12), 1–12.

Fougnie, D., Suchow, J. W., & amp Alvarez, G. A. (2012). Варијабилност во квалитетот на работната меморија. Комуникација за природа, 3, 1229.

Fougnie, D., Asplund, C. L., & amp; Marois, R. (2010). Кои се единиците за складирање во визуелната работна меморија? Весник на визија, 10(12), 1–11.

Франконери, С. Л., Алварез, Г. А., и засилувач Кавана, П. (2013). Флексибилни когнитивни ресурси: конкурентни мапи на содржини за внимание и меморија. Трендови во когнитивните науки, 17(3), 134–141.

Gorgoraptis, N., Catalao, R. F. G., Bays, P. M., & amp Husain, M. (2011). Динамично ажурирање на работните мемориски ресурси за визуелни објекти. Весник на невронаука, 31(23), 8502–8511.

Hartshorne, J. K. (2008). Капацитет на визуелна работна меморија и проактивно мешање. PLOS еден, 3(7), e2716.

Хаселмо, М. Е., Франсен, Е., Диксон, Ц., и засилувач Алонсо, А.А. (2000). Компјутерско моделирање на енторигинален кортекс. Анали на Academyујоршката академија на науките, 911(617), 418–446.

Хуанг, Ј., & Засилувач Секулер, Р. (2010). Дисторзии во потсетувањето од визуелната меморија: две класи на привлекувачи на работа. Весник на визија, 10, 1–27.

Iangијанг, Ј., Олсон, И. Р., и засилувач Чун, М. М. (2000). Организација на визуелна краткотрајна меморија. Весник за експериментална психологија: учење, меморија и сознание., 26(3), 683–702.

Кахана, М. Ј., & Засилувач Секулер, Р. (2002). Препознавање просторни модели: бучен примерен пристап. Истражување за визија, 42(18), 2177–2192.

Канеман, Д., и засилувач Трајсман, А. (1984). Промена на ставовите за внимание и автоматизам. Во R. Parasuraman & amp R. Davies (уредници), Сорти во внимание (стр. 29–61). Newујорк: Академски печат.

Канерва, П. (1993). Ретка дистрибуирана меморија и сродни модели. Придружни нервни спомени: теорија и имплементација, 50–73

Канвишер, Н. Г. (1987). Слепило за повторување: препознавање на тип без индивидуализација на знак. Сознание, 27, 117–143.

Кепел, Г., и засилувач Андервуд, Б. Ј. (1962). Проактивна инхибиција при краткорочно задржување на единечни предмети. Весник за вербално учење и вербално однесување, 1(3), 153–161.

Кешвари, С., ван ден Берг, Р., & засилувач Ма, В. Ј. (2013).Нема докази за ограничување на ставка при откривање промени. PLoS компјутерска биологија, 9(2), е1002927.

Лин, П., & засилувач, С.Ј. (2009). Влијанието на сличноста врз претставите за визуелна работна меморија. Визуелно сознание, 17(3), 1–15.

Лин, П., & засилувач, С.Ј. (2012). Проактивното мешање не ги нарушува значајно проценките на капацитетот на визуелната работна меморија во задачата за канонско откривање. Граници во психологијата, 3(2), 1–9.

Luck, S. J., & amp Vogel, E. K. (1997). Капацитетот на визуелната работна меморија за карактеристики и сврзници. Природа, 390(6657), 279–281.

Луо, Ц. Р., и засилувач Карамаца, А. (1996). Слепило за временско и просторно повторување: ефектите на режимот на презентација и заостанувањето на повторувањето врз перцепцијата на повторените ставки. Весник за експериментална психологија: перцепција и перформанси на човекот, 22(1), 95–113.

Мар, Д. (1976). Рана обработка на визуелни информации. Филозофски трансакции на Кралското друштво во Лондон. Серија Б, биолошки науки, 275(942), 483–519.

МекКеланд, Ј.Л., и засилувач Румелхарт, Д.Е. (1988). Истражувања во паралелно распределена обработкаНа Кембриџ: Пресот на МИТ.

Михалас, С., Донг, Ј., Фон дер Хејт, Р., и засилувач Нибур, Е. (2011). Механизмите на перцептивна организација обезбедуваат авто-зум и авто-локализација за внимание на објектите. Зборник на трудови од Националната академија на науките на Соединетите Американски Држави, 108(18), 7583–7588.

Мозер, М.Ц. (1989). Видови и токени во визуелната перцепција на букви. Весник на експериментална психологија: перцепција и перформанси на човекот, 15(2), 287–303.

Мурдок, Б. Б., r.униор (1983). Дистрибуиран модел на меморија за информации од сериски редослед. Психолошки преглед, 90(4), 316–338.

Оберауер, К. (2009). Дизајн за работна меморија. Психологија на учење и мотивација, 51(9), 45–100.

Оберауер, К., и засилувач Ајхенбергер, С. (2013). Визуелната работна меморија опаѓа кога треба да се запаметат повеќе карактеристики за секој објект. Меморија и засилувач Спознание, Мај 2013 година

Оберауер, К., Левандовски, С., Фарел, С., arrаролд, Ц., & засилувач Гривс, М. (2012). Моделирање на работна меморија: мешање модел на комплексен распон. Психономски билтен и преглед на засилувач, 19(5), 779–819.

Орхан, А. Е., и засилувач obејкобс, Р.А. (2013). Веројатна кластериска теорија за организација на визуелната краткотрајна меморија. Психолошки преглед, 120(2), 297–328.

Плоча, Т. А. (1995). Холографски намалени претстави. Трансакции на IEEE на невронска мрежа, 6(3), 623–641.

Принцметал, В., Амири, Х., Ален, К., и засилувач Едвардс, Т. (1998). Феноменологија на внимание: 1. Боја, локација, ориентација и просторна фреквенција. Весник за експериментална психологија: перцепција и перформанси на човекот, 24(1), 261–282.

Радемакер, Р. Л., Тредвеј, Х. Х., и засилувач Тонг, Ф. (2012). Интроспективните пресуди ја предвидуваат прецизноста и веројатноста за успешно одржување на визуелната работна меморија. Весник на визија, 12(13), 1–13.

Рок, И., Линет, Ц. М., Грант, П., и засилувач Мек, А. (1992). Перцепција без внимание: резултати од нов метод. Когнитивна психологија, 24, 502–534.

Розенблат, Ф. (1958). Перцептрон: веројатен модел за складирање и организација на информации во мозокот. Психолошки преглед, 65(6), 386–408.

Симс, Ц. Р., obејкобс, Р.А., и засилувач Нил, Д.Ц. (2012). Идеална наб obserудувачка анализа на визуелната работна меморија. Психолошки преглед, 119(4), 807–830.

Suchow, J. W., Brady, T. F., Fougnie, D., & amp, Alvarez, G. A. (2013). Моделирање визуелна работна меморија со MemToolBox. Весник на визија, 13(10):9, 1–8.

Treisman, A. M., & amp; Gelade, G. (1980). Теорија на интеграција на карактеристики на внимание. Когнитивна психологија, 12(1), 97–136.

Трејсман, А. М., и засилувач Шмит, Х. (1982). Илузорни сврзници во перцепцијата на предметите. Когнитивна психологија, 14, 107–141.

ван ден Берг, Р., Шин, Х., Чоу, В., ,орџ, Р., и засилувач Ма, В.Ј. (2012). Варијабилност во кодирање прецизни сметки за визуелни краткорочни ограничувања на меморијата. Зборник на трудови од Националната академија на науките на Соединетите Американски Држави, 109(22), 8780–8785.

ван Ламсверде, А. Е., и засилувач Бек, М. Р. (2012). Префрлање на вниманието или непостојани претстави: што предизвикува обврзувачки дефицити во визуелната работна меморија? Визуелно сознание, 20(7), 771–792.

ВанРулен, Р. (2009). Обврзување сврзувачки карактеристики со карактеристики на барање. Визуелно сознание, 17(1–2), 103–119.

Вогел, Е. К., Вудман, Г. Ф., и засилувач Лак, С. Ј. (2001). Складирање карактеристики, сврзници и предмети во визуелната работна меморија. Весник за експериментална психологија: перцепција и перформанси на човекот, 27(1), 92–114.

Вогел, Е. К., Вудман, Г. Ф., и засилувач Лак, С. Ј. (2006). Временскиот тек на консолидација во визуелната работна меморија. Весник за експериментална психологија: перцепција и перформанси на човекот, 32(6), 1436–1451.

Вул, Е., Френк, М. С., Алварез, Г. А., и засилувач Тененбуам, Ј.Б. (2010). Објаснување на човечкото следење на повеќе објекти како приближен заклучок со ограничување на ресурсите во динамичен веројатносен модел. Напредок во нервните системи за обработка на информации, 22, 1–9.

Вул, Е., & засилувач, А.Н. (2010). Независно земање примероци од карактеристики овозможува свесна перцепција на врзани предмети. Психолошка наука, 21(8), 1168–1175.

Wei, W., Wang, X. J., & amp, Wang, D. (2012). Од дистрибуирани ресурси до ограничени слотови во работна меморија со повеќе ставки: модел на шилење мрежа со нормализација. Весник за невронаука, 32, 11228–11240.

Вилер, М. Е., и засилувач Трајсман, А. М. (2002). Врзување во краткорочна визуелна меморија. Jorunal of Experimental Psychology: General., 131(1), 48–64.

Вилкен, П., и засилувач Ма, В. J.. (2004). Теорија за откривање сметка за откривање промени. Весник на визија, 4, 1120–1135.

Вилијамс, М., Хонг, С. В., Канг, М., Карлајл, Н. Б., и засилувач Вудман, Г. Е. (2013). Придобивката од заборавањето. Билтен за психономија и преглед на засилувач., 19(6).

Вајбл, Б., Боуман, Х., и засилувач Нивенштајн, М. (2009). Блинот со внимание обезбедува епизодна карактеристичност: поштеда по цена. Весник за експериментална психологија: перцепција и перформанси на човекот, 35(3), 787–807.

Wyble, B., Potter, M. C., Bowman, H., & amp; Nieuwenstein, M. (2011). Внимателни епизоди во визуелната перцепција. Весник на експериментална психологија. Општо, 140(3), 488–505.

Hanанг, В., & засилувач, С.Ј. (2008). Дискретни претстави со фиксна резолуција во визуелната работна меморија. Природа, 452(7192), 233–235.

Hanанг, К. (1996). Претставување на просторна ориентација со внатрешна динамика на ансамблот на ќелија-насока на главата: теорија. Весник за невронаука, 16, 2112–2126.


3. Претставување објекти, односи и секвенци користејќи единствен дистрибуиран вектор

Сега го дефинираме MBAT, векторска симболична архитектура и покажуваме како тој ги прикажува предметите, односите и секвенците со еден, распределен вектор со фиксна должина, додека ги задоволува претходно опишаните ограничувања.

Ние користиме две векторски операции: дополнување (+) и обврзувачки (#), како и комплексна структура методологија за врзување на адитивни фрази како што е опишано подолу.

3.1. Векторско дополнување (+) и адитивни фрази

Познатиот оператор за собирање вектори е доволен за да кодира неуреден сет на вектори како единствен вектор со иста димензија како и неговите составни вектори. На пример, во претходната работа, ние кодиравме документ како збир од неговите составни термини вектори и го користевме овој вектор за документи за пронаоѓање информации (Caid, Dumais, & amp Gallant, 1995). Клучното својство на додавање вектори, илустрирано во Табела 1, е:

Ова го комплетира доказот, освен една мала точка: мораме да потврдиме дека стандардната девијација на 〈Значи 0 бучава терминот не расте толку брзо како векторската димензија (овде 1000), инаку двата производни точки би можеле да бидат затрупани од бучава и не се разликуваат за практични цели. Додатокот покажува дека стандардната девијација на бучавата расте со квадратен корен на векторската димензија, завршувајќи го доказот.

Својството за додавање на високо-димензионални вектори н gets прави дел од патот до добра дистрибуирана претстава за колекција на објекти. На пример, можеме да претставиме реченица (или документ или фраза) со еден (нормализиран) 1000-димензионален вектор кој се состои од збир на одделни вектори на зборови. Потоа, можеме да го пресметаме Евклидовото растојание помеѓу векторите за да најдеме, на пример, документи со вектори кои се најслични на векторот за барање. Ова беше пристапот за нашите претходни напори за пронаоѓање документи. Сепак, с still уште треба да ја претставуваме структурата меѓу објектите.

3.2. Врзувачкиот оператор

И за јазикот и за визијата, не е доволно да се потпира само на додавање вектори. Поради комутативност на векторското собирање, повеќе фрази како во, „Паметната девојка го виде сивиот слон“ ќе има точно ист векторски збир како, „Паметниот слон ја виде сивата девојка," или дури, „Слончето сиво виде паметно“ Со други зборови, векторското собирање ни дава торба со зборови што се користат за создавање на збирот, но нема други информации за структурата.

Тука наидуваме на класичниот проблем за кодирање на врзување во когнитивната наука и вештачката интелигенција (Трајсман, 1999). Потребен ни е начин за врзување сиво до слон а не да девојче или кој било друг збор, додека се задржува дистрибуирана застапеност. Општо земено, потребна ни е способност да претставуваме анализирано дрво за реченица без напуштање на распределените претстави.

3.2.1. Фрази

Прво е корисно да се формализира дефиницијата за фраза во однос на репрезентациите. Ние дефинираме фраза како збир на ставки на кои може да им се смени редоследот без да ја направиме претставата неупотреблива. Фразите лабаво одговараат на јазични фрази, како што се именски клаузули и предлошки фрази, или „парчиња“ во пресметковната лингвистика. На пример, во „Паметната бразилска девојка виде сив слон, „Можеме да ја преуредиме водечката именска фраза од четири збора како во,“Бразилката девојката паметна виде сив слон, “И сепак разберете ја реченицата, иако станува неграматичка. Слично на тоа, за машинска визија, пример за фраза би биле векторите за поврзаната форма, x- и y-пози, боја и движење. Повторно, редот не е критичен.

3.2.2. Невронска мотивација

За да го мотивирате обврзувачкиот оператор што го предлагаме, разгледајте ја шемата за обработка на нервните информации на слика 1. Овде имаме влезови од различни сензорни потсистеми: визија, слух и допир. Моменталната состојба на системот („состојба на неврони“) е изменета со информации од овие влезови, како и повторливи врски од самиот себе.

Повторливите врски даваат начин за врзување на влезовите со тековната и претходната состојба на системот, како и едни со други. Овие врски може да се генерираат случајно.

Повторливите врски даваат начин за врзување на влезовите со тековната и претходната состојба на системот, како и едни со други. Овие врски може да се генерираат случајно.

Сликата го илустрира проблемот за врзување мозок, каде што ни е потребна способност да ги поврземе различните сензорни влезови (или различни нервни региони) со моменталната состојба на системот. Секвенците исто така стапуваат во игра овде, како кога слушаме бебе како две фонеми во два временски периоди, треба последователно да ги поврземе влезовите за да го препознаеме и претставиме терминот бебе и неговите асоцијации.

За обврзувачката задача, главниот ресурс со кој треба да работиме се повторувачките врски на врвот на сликата. (Секоја теорија за обработка на нервните информации што не вклучува голема улога за такви повторливи врски, недостасува многу голем слон во просторијата за невронска физиологија!) Покрај тоа, не можеме да поставиме премногу организациски барања за повторливи врски, бидејќи на секоја сложена структура и се потребни да се пренесат генетски и да се закачат за време на бучна, неуредна фаза на раст.

Значи, продолжувајќи со нашата мотивациска истрага за врзување, што ако земеме најлесна можна генетска/структурна структурна организација, имено, случајна? Можеме ли повремените врски да пресметаат случајна карта и да имаат корист за врзување?

3.2.3. Врзувачки оператор

Враќајќи се на математиката, ајде сега да ја дефинираме наједноставната верзија на унарен обврзувачки оператор, #. (Подолу, исто така, ќе дефинираме неколку алтернативи.)

Нека М биде фиксна квадратна матрица со соодветна димензија за нашите вектори, на пример, 1000 со 1000. Оставивме компоненти на М бидат случајно избрани вредности (на пример, +1/−1). Како точка на означување, при подигање на матрица до моќ, секогаш ќе користиме загради, како во (М) 3. Ова го разликува од означувањето на неколку различни матрици, на пример, М Актер и М Објект.

Оваа формула за пресметување на следната состојба, исто така, дава начин да се претстават влезни секвенци. Канерва (2009) и Плејт (2003) претходно ја користеа оваа техника за кодирање секвенца, користејќи различни оператори за врзување.

Фразите што се врзуваат заедно мора да бидат недвосмислени во однос на редот. Така, можеме да поврземе фрази како „паметната девојка“, Каде што редот навистина не е важен во разбирањето на фразата. Сепак, не можеме да се врзуваме во еден чекор “паметната девојка го виде сивиот слон“Бидејќи би наишле на обврзувачка двосмисленост дали паметен се однесува на девојче или слонНа Severalе бидат потребни неколку обврзувачки операции, како на слика 2.

Можеме добро да ги користиме ознаките, претставени со (случајни) вектори на ознаки додадени во фрази, за да наведеме дополнителни синтаксички и семантички информации, како што се актер (т.е. В актер ), објект , и фразаХас3зборови .

Врзувањето со пресметување (множење на матрица) вклучува повеќе работа отколку пресметување на кружна конволуција во холографски намалени претстави доколку се користат брзи Фуриерови трансформации за HRR (Плоча, 2003). Исто така, врзувањето во MBAT бара од нас да користиме различен математички простор, односно матрици наспроти само вектори во HRR.

Сега можеме да видиме како недвосмислено да се претстави Паметната девојка го виде сивиот слон на Слика 2.

Претставување на реченица со врзување на низа од влезови на фрази. Во секој временски чекор, фраза составена од збир на вектори на зборови се собира во долниот вектор. Збирот на фразата може да содржи и информации за структурата (на пр. актер , пасивен глас ) во форма на вектори на ознаки. Овој вектор се додава на случајните повторливи врски од В(н) да се произведе следниот вектор на состојба, В(н+1).

Претставување на реченица со врзување на низа од влезови на фрази. Во секој временски чекор, фраза составена од збир на вектори на зборови се собира во долниот вектор. Збирот на фразата може да содржи и информации за структурата (на пр. актер , пасивен глас ) во форма на вектори на ознаки. Овој вектор се додава на случајните повторливи врски од В(н) да се произведе следниот вектор на состојба, В(н+1).

По желба, паметен е поврзан со девојче во оваа сума од 13 вектори, бидејќи имаме термин (М) 2 В паметен и (М) 2 В девојче , но слон се појавува како В слон .

Исто така, имаме својство за препознавање за обврзувачкиот оператор:

3.3. Методологија на сложена структура

Така, користејќи адитивни векторски фрази, (В 1 + В 2 + В 3 ), како операнди за врзување помага при последователно препознавање (и учење) на ставки. Исто така, помага да се намалат пресметковните барања во споредба со користењето само обврзувачки операции, бидејќи собирањето вектори е поевтино од множењето матрица.

3.4. Варијанти на операторот за врзување

Матрици за пермутација: Можно е да се користи пермутација (случајна или не) за матрицата за врзување, бидејќи пермутациите се максимално ретки и лесно се превртуваат. Како и да е, предноста на користењето матрици со многу нула елементи е тоа што тие можат да ја зголемат репрезентативната димензионалност на изолираните влезови. На пример, да претпоставиме дека целта е да научиме Exclusive-Or (XOR) пресметано на компонентите 1 и 2 (и игнорирање на другите компоненти). Случајна пермутација ги мапира двата влеза во две различни компоненти, но ја задржува истата димензионалност, така што веројатноста добиената претстава да биде линеарно разделена останува на 0. Спротивно на тоа, во архитектурата „Бинарен свет“ со components1/+1 компоненти, кога случајна матрица се применува на влезовите проследено со чекор на прагови, компонентите 1 и 2 се шират нелинеарно меѓу многу компоненти. Ова ја зголемува ефективната димензионалност на застапеноста (Gallant & amp Smith, 1987), и ја прави веројатноста за линеарна раздвоеност (и лесна за учење) поголема од 0. Ваквата зголемена репрезентативна способност е предност со работа во Бинарен свет, наместо со користење на континуирани векторски компоненти На Друга предност на користењето на неразбирлива матрица за врзување е тоа што претставата распаѓа пограциозно кога се додава бучава во матрицата. Конечно, во нервниот систем, мнозинството неврони се синапсираат со многу други неврони, а не со еден неврон, што ја прави матрицата на пермутација да изгледа многу помалку нервно веродостојна.

Важно прашање за подесување на перформансите за практични имплементации е скалирање на обврзувачкиот оператор, така што, на пример, (М) 2 В девојче терминот не доминира со други термини. Еден пристап е да се нормализира резултатот од обврзувачката операција, така што добиениот вектор има иста должина како вектор за еден член, ГНа Алтернативно, нормализацијата може да го направи секој М В јас фраза компонента имаат должина ГНа Конечно, ние само би можеле да работиме во Бинарниот свет, во тој случај проблемот исчезнува.

3.5. Повеќе истовремени претстави

Важна техника за намалување на кршливоста на претставата на структурата (како што се анализирање на информации) е истовремено кодирање на неколку описи на структурата (со различни оператори за врзување) во векторот со нивно додавање. Ова ја зголемува робусноста со тоа што различни структури „гласаат“ во конечната репрезентација.

За друг пример, ако парсерот А резултира со приказ на реченици В А и парсерот Б произведува В Б , тогаш конечниот приказ за казната може да биде В А + В Б .

Како трет пример, ако имаме две (или повеќе) програми за екстракција на карактеристики на слика (можеби работат со различни грануларности на сликата), излезите на секоја програма може да се претворат во вектор и потоа да се соберат за да се добие конечната векторска претстава.

За да го сумираме овој дел, двата оператори + и #, заедно со претставување на сложената структура со примена на # на адитивни фрази, ни овозможуваат да претставуваме објекти, структури и секвенци во MBAT. Во делот 6, проверуваме дали МБАТ ги задоволува репрезентативните ограничувања што ги поставивме.


Алибали, М. В., и ДиРусо, А.А. (1999).Функцијата на гестот во учењето да се брои: повеќе од следење. Когн. Дев. 56, 37 �. дои: 10.1016/s0885-2014 (99) 80017-3

Андрес, М., Серон, Х. и Оливие, Е. (2007). Придонес на кола за рачни мотори при броење. C. Коњ. Невролози. 19, 563 �. дои: 10.1162/jocn.2007.19.4.563

Анобиле, Г., Цичини, Г. М. и Бур, Д.Ц. (2016). Бројот како примарен перцептивен атрибут: преглед. Перцепција 45, 5 �. дои: 10.1177/0301006615602599

Барони, М. (2020). Јазична генерализација и композиција во модерните вештачки невронски мрежи. Филос. Транс. Р. Соц. Б Биол. Наука 375: 20190307. дои: 10.1098/rstb.2019.0307

Бендер, А. и Белер, С. (2012). Природа и култура на броење прсти: разновидност и репрезентативни ефекти на отелотворена когнитивна алатка. Когниција 124, 156 �. дои: 10.1016/ј.сознание.2012 година.05.005

Бенгио, Ј., Лурадур, Ј., Колоберт, Р., и Вестон, Ј. (2009). ȁУчење на наставната програма, ” во Зборник на трудови од 26 -та годишна меѓународна конференција за машинско учење (Newујорк, NYујорк, САД: ACM), 1 𠄸.

Беран, М. Ј., и Беран, М. М. (2004). Шимпанзата се сеќаваат на резултатите од едно по едно додавање на прехранбени производи во комплети за подолг временски период. Психол. Наука 15, 94 �. дои: 10.1111/j.0963-7214.2004.01502004.х

Браун, Ј.Р. (2012). Платонизам, натурализам и математичко знаење. Newујорк, NYујорк: Routledge.

Батерворт, Б. (1999). Математичкиот мозок. Лондон, Велика Британија: Мекмилан.

Батерворт, Б., Рив, Р., Рејнолдс, Ф. и Лојд, Д. (2008). Нумеричка мисла со и без зборови: докази од домородните австралиски деца. Прок. Натл. Акад Наука САД 105, 13179 �. дои: 10.1073/пнас.0806045105

Кери, С. и Барнер, Д. (2019). Онтогенетско потекло на човечки цели претстави. Трендови Ког. Наука 23, 823 �. дои: 10.1016/j.tics.2019.07.004

Цензато, А., Тестолин, А. и Зорзи, М. (2019). За тешкотиите за учење и предвидување на долгорочната динамика на отскокнувачки објекти. arXiv: 1907.13494 [Препечаток].

Чен, С. Ј., ouоу, З., Фанг, М., и МекКеланд, Ј.Л. (2018). Може ли генерички нервни мрежи да проценат бројност како луѓето? ” во Зборник на трудови од 40 -та годишна конференција на Друштвото за когнитивна наука, eds T. T. Rogers, M. Rau, X. Zhu and C. W. Kalish (Austin, TX: Cognitive Science Society), 202 �.

Кларк, А. (2011). Надминување на умот: олицетворение, акција и когнитивно проширување. Newујорк, NYујорк: Оксфорд Универзитетот Прес.

d ’ Errico, F., Doyon, L., Colag é, I., Queffelec, A., Le Vraux, E., Giacobini, G., et al. (2018). Од значење на број до симболи на број. Археолошка перспектива. Филос. Транс. Р. Соц. Б Биол. Наука 373: 20160518. дои: 10.1098/rstb.2016.0518

Dacke, M., and Srinivasan, M. V. (2008). Докази за броење кај инсекти. Анима. Когн. 11, 683 �. дои: 10.1007/s10071-008-0159-г

Дејвидсон, К., Енг, К. и Барнер, Д. (2012). Дали учењето за броење вклучува семантичка индукција? Когниција 123, 162 �. дои: 10.1016/ј.сознание.2011.12.013

Де Ла Круз, В. М., Ди Нуово, А., Ди Нуово, С. и Кангелоси, А. (2014). Правење прсти и зборови да бројат во когнитивен робот. Напред. Однесување. Невролози. 8:13 дои: 10.3389/fnbeh.2014 година.00013

Dehaene, S. (2011). Бројно чувство: Како умот создава математика. Newујорк, NYујорк: Оксфорд Универзитетот Прес.

Dehaene, S., and Changeux, J.-P. Ј. (1993). Развој на елементарни нумерички способности: невронски модел. C. Коњ. Невролози. 5, 390 �. дои: 10.1162/jocn.1993 година.5.4.390

Девлин, Ј., Чанг, М.-В., Ли, К. и Тутанова, К. (2018). BERT: пред-обука на длабоки двонасочни трансформатори за разбирање јазик. arXiv: 1810.04805 [Препечаток].

Ди Нуово, А. и ayеј, Т. (2019). Развој на нумеричко знаење кај деца и вештачки системи: преглед на тековните знаења и предлози за мултидисциплинарно истражување. Когн. Пресметај Сист 1, 2 �. дои: 10.1049/парчиња.2018 година.0004

Домахс, Ф., Кауфман, Л. и Фишер, М. Х. (2012). Корисни броеви: броење прсти и нумеричко спознавање. Лозана: Специјална тема за истражување во Frontiers Media SA.

Домахс, Ф., Молер, К., Хубер, С., Вилмс, К., и Нуерк, Х.-С. (2010). Отелотворена бројност: имплицитните претстави засновани на раце влијаат на симболичната обработка на броеви низ културите. Когниција 116, 251 �. дои: 10.1016/j.сознание.2010.05.007

Елман, Ј.Л., Бејтс, Е., Johnsonонсон, М., Кармилоф-Смит, А., Паризи, Д. и Планкет, К. (1996). Преиспитување на неспособноста: Поврзувачка перспектива за развој. Кембриџ, М -р: Прес МИТ.

Фанг, М., ouоу, З., Чен, С. Ј. и МекКеланд, Ј.Л. (2018). Може ли повторлива нервна мрежа да научи да брои работи? ” во Зборник на трудови од 40 -та годишна конференција на Друштвото за когнитивна наука, eds T. T. Rogers, M. Rau, X. Zhu, and C. W. Kalish (Austin, TX: Cognitive Science Society), 360 �.

Feigenson, L., Dehaene, S., and Spelke, E. S. (2004). Основни системи на броеви. Трендови Ког. Наука 8, 307 �. дои: 10.1016/j.tics.2004.05.002

Фишер, М. Х. (2008). Навиките за броење прсти ги модулираат просторно-нумеричките асоцијации. Кортекс 44, 386 �. дои: 10.1016/j.cortex.2007.08.004

Гарнело, М., и Шанахан, М. (2019). Усогласување на длабокото учење со симболична вештачка интелигенција: претставување предмети и односи. Curr. Мислење. Однесување. Наука 29, 17 �. дои: 10.1016/j.cobeha.2018.12.010

Гелман, Р. и Батерворт, Б. (2005). Број и јазик: како се поврзани? Трендови Ког. Наука 9, 6 �. дои: 10.1016/j.tics.2004.11.004

Гибсон, Д. J.., Гундерсон, Е. А., Спапен, Е., Левин, С. С., и Голдин-Медоу, С. (2019). Гестовите со број предвидуваат учење на бројни зборови. Дев. Наука 22: e12791. дои: 10.1111/деск.12791

Гордон, П. (2004). Нумеричко сознание без зборови: докази од амазонија. Наука 306, 496 �. дои: 10.1126/наука.1094492

Гандерсон, Е. А., Спапен, Е., Гибсон, Д., Голдин-Медоу, С. и Левин, С. С. (2015). Гест како прозорец кон знаење за деца и број. Когниција 144, 14 �. дои: 10.1016/ј.сознание.2015 година.07.008

Халберда, Ј., Мацоко, М. М., и Фејгенсон, Л. (2008). Индивидуалните разлики во невербалната острина на броевите се во корелација со постигнувањата по математика. Природа 455, 665 �. дои: 10.1038/nature07246

Хансен, С. С., Мекензи, Ц. и МекКлеланд, Ј.Л. (2014). Два плус три е пет: откривање ефикасни стратегии за собирање без метакогниција, и#x0201D во Зборник на трудови од 36 -та годишна конференција на Друштвото за когнитивна наука (Монтреал, КК: Когнитивно научно друштво), 583 �.

Харнад, С. (1990). Проблем со заземјување на симболот. Физ. Д Нелинарен феномен. 42, 335 �. дои: 10.1016/0167-2789 (90) 90087-6

Тој, К., hanанг, Х., Рен, С. и Сун, Ј. (2016). “Длабоко преостанато учење за препознавање слика, и#x0201D во Зборник на трудови од конференцијата IEEE 2016 за компјутерска визија и препознавање на модели (CVPR), (Лас Вегас, НВ: IEEE), 770 �.

Хошен, Ј. И Пелег, С. (2015). “Визуелно учење на аритметички операции, и#x0201D во Зборник на трудови од 30 -та конференција АААИ за вештачка интелигенција, (Феникс, АЗ: АААИ), 3733 �.

Izard, V., Pica, P., Spelke, E. S., and Dehaene, S. (2008). Точна еднаквост и наследничка функција: два клучни концепта на патот кон разбирање на точните броеви. Филос. Психол. 21, 491 �. дои: 10.1080/09515080802285354

Izard, V., Streri, A., and Spelke, E. S. (2014). Кон точниот број: малите деца користат преписка еден-на-еден за мерење на поставениот идентитет, но не и нумеричка еднаквост. Когн. Психол. 72, 27 �. дои: 10.1016/j.cogpsych.2014.01.004

Lakoff, G., and N ú ༞z, R. E. (2000). Од каде доаѓа математиката: Како отелотворениот ум ја внесува математиката во битие. Newујорк, NYујорк: Основни книги.

Ле Коре, М. (2014). Децата го стекнуваат подоцнежниот принцип по кардиналниот принцип. Бр. Dev. Дев. Психол. 32, 163 �. дои: 10.1111/bjdp.12029

LeCun, Y., Bengio, Y., и Hinton, G. E. (2015). Длабоко учење. Природа 521, 436 �. дои: 10.1038/nature14539

Лејбович, Т. и Ансари, Д. (2016). Проблемот со заземјување на симболи во нумеричкото сознание: преглед на теорија, докази и извонредни прашања. Може. J. Exp. Психол. 70, 12 �. дои: 10.1037/cep0000070

Libertus, M. E., Feigenson, L., and Halberda, J. (2011). Предучилишната острина на приближниот броен систем е во корелација со училишната математичка способност. Дев. Наука 14, 1292 �. дои: 10.1111/j.1467-7687.2011.01080.x

Маркус, Г. Ф. (2003). Алгебарски ум: Интегрирање на конекционизмот и когнитивната наука. Кембриџ, М -р: Прес МИТ.

Маркус, Г. Ф. (2018). Длабоко учење: критичка проценка. arXiv: 1801.00631 [Препечаток].

Мартин, А. Е., и Баџо, Г. (2020). Моделирање на значење состав од формализам до механизам. Филос. Транс. Р. Соц. Б Биол. Наука 375: 20190298. дои: 10.1098/rstb.2019.0298

McClelland, J. L., Botvinick, M. M., Noelle, D. C., Plaut, D. C., Rogers, T. T., Seidenberg, M. S., et al. (2010). Дозволувајќи да се појави структура: придружни и динамички системи пристапи кон сознанието. Трендови Ког. Наука 14, 348 �. дои: 10.1016/j.tics.2010.06.002

МекКлоски, М., и Линдеман, А.М. (1992). Mathnet: прелиминарни резултати од дистрибуираниот модел на аритметичко пронаоѓање факти. Советување Психол. 91, 365 �. дои: 10.1016/s0166-4115 (08) 60892-4

Менари, Р. (2015). Математичко сознание —а случај на екултурација. Отворен ум 25, 1 �. дои: 10.15502/9783958570818

Менингер, К. (1992). Броеви зборови и бројни симболи: Културна историја на броеви. Newујорк: Довер Пубс.

Мики, К. В., и МекКеланд, Ј.Л. (2014). Модел на невронска мрежа за учење математичка еквивалентност, и#x0201D во Зборник на трудови од 36 -та годишна конференција на Друштвото за когнитивна наука, (КК, Канада: Когнитивно научно друштво), 1012 �.

Наср, К., Вишванатан, П. и Нидер, А. (2019). Детекторите за броеви спонтано се појавуваат во длабока невронска мрежа дизајнирана за визуелно препознавање објекти. Наука Советување 5: eaav7903. дои: 10.1126/sciadv.aav7903

Неген, Ј. И Сарнечка, Б. В. (2015). Дали навистина постои врска помеѓу знаењето за точен број и приближната острина на бројниот систем кај малите деца? Бр. Dev. Дев. Психол. 33, 92 �. дои: 10.1111/bjdp.12071

N ú ༞z, Р. Е. (2011). Нема вродена бројна бројка во човечкиот мозок. Ј. Крос. Култ. Психол. 42, 651 �. дои: 10.1177/0022022111406097

N ú ༞z, Р. Е. (2017). Дали навистина постои еволуиран капацитет за број? Трендови Ког. Наука 21, 409 �. дои: 10.1016/j.tics.2017.03.005

Оверман, К. А. (2016). Улогата на материјалноста во нумеричкото сознавање. Quat. Интер. 405, 42 �. дои: 10.1016/j.quaint.2015 година.05.026

Оверман, К. А. (2018). Конструирање концепт на број. Ј.Бројник. Когн. 4, 464 �. дои: 10.5964/jnc.v4i2.161

Pezzelle, S., Sorodoc, I.-T., and Bernardi, R. (2018). Споредби, квантификатори, пропорции: модел со повеќе задачи за учење количини од визија, ” во Зборник на трудови од Конференцијата за Здружението за компјутерска лингвистика за 2018 година, (Newу Орлеанс, Лос Анџелес: Здружение за компјутерска лингвистика), 419 �.

Piantadosi, S. T., Tenenbaum, J. B., and Goodman, N. D. (2012). Подигање на јазик на мислата: формален модел на учење на нумерички концепт. Когниција 123, 199 �. дои: 10.1016/ј.сознание.2011.11.005

Пјаца, М. (2010). Неврокогнитивни алатки за стартување за симболични претстави на броеви. Трендови Ког. Наука 14, 542 �. дои: 10.1016/j.tics.2010.09.008

Плат, Ј.Р., и онсон, Д.М. (1971). Локализација на позицијата во хомоген синџир на однесување: ефекти од непредвидени грешки. Научи. Мотив. 2, 386 �. дои: 10.1016/0023-9690 (71) 90020-8

Ритл-Johnsonонсон, Б., Сиглер, Р. С., и Алибали, М. В. (2001). Развивање концептуално разбирање и процедурална вештина во математиката: итеративен процес. Ј. Едуциран. Психол. 93, 346 �. дои: 10.1037/0022-0663.93.2.346

Ручински, М., Кангелоси, А. и Белпеме, Т. (2012). Роботски модел на придонесот на гестот за учење да брои, и#x0201D во Меѓународна конференција IEEE за развој и учење и епигенетска роботика (Сан Диего, Калифорнија, САД: IEEE), 1 𠄶. дои: 10.1109/DevLrn.2012.6400579

Румелхарт, Д. Е., и МекКлеланд, Ј.Л. (1986). Паралелно дистрибуирано процесирање: Истражувања во микроструктурата на сознанието. Том 1: ОсновиНа Кембриџ, М -р: Прес МИТ.

Румелхарт, Д. Е., Смоленски, П., Меклеланд, Ј.Л., и Хинтон, Г. Е. (1986). Шеми и последователни процеси на размислување во моделите на ПДП, и#x0201D во Паралелна дистрибуирана обработка: Истражувања во микроструктурата на сознанието Том 2: Психолошки и биолошки модели eds J. L. McClelland and D. E. Rumelhart (Cambridge, MA: MIT Press), 7 �.

Сарнечка, Б. В., и Кери, С. (2008). Како броењето претставува број: што треба да научат децата и кога ќе го научат. Когниција 108, 662 �. дои: 10.1016/ј.сознание.2008 година.05.007

Сакстон, Д., Грефенстет, Е., Хил, Ф. и Коли, П. (2019). “Анализирање на математичките способности за расудување на нервните модели, ” во Меѓународна конференција за учење репрезентации, (Newу Орлеанс, Лос Анџелес: ICLR), 1 �.

Шмант-Бесерат, Д. (1992). Пред пишување: Од броење до клинесто писмо. Остин, Тексас: Прес на Универзитетот во Тексас.

Schneider, M., Beeres, K., Coban, L., Merz, S., Susan Schmidt, S., Stricker, J., et al. (2017). Асоцијации на несимболична и симболичка нумеричка обработка со математичка компетенција: мета-анализа. Дев. Наука 20: e12372. дои: 10.1111/деск.12372

Searle, J. R. (1980). Умови, мозоци и програми. Однесување. Наука за мозокот. 3, 417 �. дои: 10.1017/S0140525X00005756

Сиглер, Р. С., и enенкинс, Е. (1989). Како децата откриваат нови стратегии. Newујорк, NYујорк: Психологија Прес.

Сребро, Д., Шритвизер, Ј., Симонјан, К., Антоноглу, И., Хуанг, А., Гуез, А., и сор. (2017). Совладување на играта на   Одете без човечко знаење. Природа 550, 354 �. дои: 10.1038/nature24270

Скинер, Б. (1953). Наука и човечко однесување. Newујорк, NYујорк: Мек Милан.

Старки, Г. С. и МекКендлис, Б. Д. (2014). Појавата на нумеричко сознавање на ȁGroupitizing ” кај децата. J. Exp. Дете Психол. 126, 120 �. дои: 10.1016/j.jecp.2014.03.006

Starr, A., Libertus, M. E., and Brannon, E. M. (2013). Бројната смисла во детството ги предвидува математичките способности во детството. Прок. Натл. Акад Наука САД 110, 18116 �. дои: 10.1073/пнас.1302751110

Стојанов, И., и Зорзи, М. (2012). Појава на ȁВизуелна смисла за број ” во хиерархиски генеративни модели. Нат Невролози. 15, 194 �. дои: 10.1038/бр.2996

Сатон, Р. С., и Барто, А. Г. (1998). Учење на засилување. Кембриџ, М -р: Прес МИТ.

Тестолин, А., Долфи, С., Рохус, М., и Зорзи, М. (2019). Перцепција за визуелна бројност кај луѓето и машините arXiv: 1907.06996 [Препечаток].

Тестолин, А., Стојанов, И., и Зорзи, М. (2017). Перцепцијата на буквата произлегува од длабоко учење и рециклирање на карактеристики на природна слика без надзор. Нат Потпевнувам. Однесување. 1, 657 �. дои: 10.1038/s41562-017-0186-2

Тестолин, А. и Зорзи, М. (2016). Веројатни модели и генеративни нервни мрежи: кон унифицирана рамка за моделирање на нормални и оштетени неврокогнитивни функции. Напред. Пресметај Невролози. 10:73. дои: 10.3389/fncom.2016 година.00073

Тестолин, А., Зоу, В. Ј. и МекКлеланд, Ј.Л. (2020). Дискриминација на бројност во длабоки невронски мрежи: почетна компетентност, усовршување на развојот и статистика за искуство. Дев. Наука дои: 10.1111/desc.12940 [Epub пред печатење].

Trask, A., Hill, F., Reed, S., Rae, J., Dyer, C., and Blunsom, P. (2018). Невронски аритметички логички единици. arXiv: 1808.00508 [Препечаток].

Вергутс, Т. и Фијас, В. (2004). Претставување на бројот кај животните и луѓето: нервен модел. C. Коњ. Невролози. 16, 1493 �. дои: 10.1162/0898929042568497

Виготски, Л. С. (1980). Умот во општеството: Развој на повисоки психолошки процеси. Кембриџ, м -р: Универзитетот Харвард печат.

Волшо, М. (2017). Разбирање на математичкиот развој преку Виготски. Рез. Математика. Едуциран. 19, 293 �. дои: 10.1080/14794802.2017.1379728

Вевер, Р. и Рунија, Т. Ф. Х. (2019). Поднесување со варијациски авто -кодирачи. arXiv: 1808.00257 [Препечаток].

Вилки, Е. Д., и Ансари, Д. (2019). Предизвикување на невробиолошката врска помеѓу чувството на број и симболичките нумерички способности. Ен. N Y акад Наука дои: 10.1111/nyas.14225 [Epub пред печатење].

Јаминс, Д. Л. К., и Ди Карло, Ј. Ј. (2016). Користење на модели насочени кон длабоко учење за да се разбере сетилниот кортекс. Нат Невролози. 19, 356 �. дои: 10.1038/бр.4244

Занети, А., Тестолин, А., Зорзи, М., и Вавржински, П. (2019). Застапеност на бројноста во ИнфоГАН: емпириска студија Напредок во компјутерската интелигенција. ИВАН, уредници I. Рохас, Г. Јоја и А. Катала (Шам: Меѓународно издаваштво Спрингер), 49 �.

Haао, С., Рен, Х., Јуан, А., Сонг, Ј., Гудман, Н. и Ермон, С. (2018). Биати и генерализација во длабоки генеративни модели: емпириска студија, ” во 32 -та меѓународна конференција за системи за обработка на невронски информации (Montr ບl, КК: NeurIPS), 10792 �.

Zorzi, M., Stoianov, I., and Umilt à, C. (2005). “Компјутерско моделирање на нумеричко сознание, ” во Прирачник за математичко сознавање, ед. Ј.Кемпбел (Newујорк, NYујорк: Психологија Прес), 67 �.

Зорзи, М. и Тестолин, А. (2018). Емергентистичка перспектива за потеклото на чувството за број. Филос. Транс. Р. Соц. Б Биол. Наука 373: 20170043. дои: 10.1098/rstb.2017.0043

Зорзи, М., Тестолин, А. и Стојанов, И.П. И. П. (2013). Моделирање јазик и познавање со длабоко учење без надзор: преглед на туториал. Напред. Психол. 4: 515. дои: 10.3389/fpsyg.2013.00515

Клучни зборови: пресметковно моделирање, вештачки нервни мрежи, длабоко учење, чувство на број, заземјување симбол, математичко учење, отелотворено спознавање, материјална култура

Цитат: Тестолин А (2020) Предизвикот за моделирање на стекнување математички концепти. Напред. Потпевнувам. Невролози. 14: 100. дои: 10.3389/fnhum.2020.00.00100

Примено: 13 ноември 2019 година Прифатено: 04 март 2020 година
Објавено: 20 март 2020 година.

Елис Клајн, Универзитет во Т ࿋ingen, Германија

Ксинлин ouоу, Нормален универзитет во Пекинг, Кина
Том Вергутс, Универзитет во Гент, Белгија

Заштитени права © 2020 Тестолин. Ова е напис со отворен пристап дистрибуиран под условите на лиценцата за припишување на Creative Commons (CC BY). Дозволено е користење, дистрибуција или репродукција на други форуми, под услов да се запишат оригиналниот автор (и) и сопственикот (ите) на авторските права и да се цитира оригиналната објава во ова списание, во согласност со прифатената академска практика. Не е дозволена употреба, дистрибуција или репродукција што не е во согласност со овие услови.


Опции за пристап

Добијте целосен пристап до дневник за 1 година

Сите цени се NET цени.
ДДВ ќе се додаде подоцна во касата.
Пресметката на данокот ќе биде финализирана при одјавување.

Добијте временски ограничен или целосен пристап до написите на ReadCube.

Сите цени се NET цени.


Вовед

Традиционалните психолошки теории донесуваат одлуки како повисок когнитивен процес кој е одвоен од нервните системи на перцепција и акција (Тверски и Канеман, 1981). Исто така, повеќето модели претпоставуваат дека акциското планирање е одвоено од когнитивните процеси и започнува само откако ќе се донесе одлука (Флеш и Хоган, 1985 Кавато и др., 1990 Мел, 1991 Бушан и Шадмер, 1999). Меѓутоа, с growing поголем број неврофизиолошки податоци покажуваат активност поврзана со одлуките во многу исти нервни региони, општо земено вмешани во сензомоторна обработка и акционо планирање, како што се премоторен и париетален кортекс (Плат и Глимчер, 1999 Голд и Шадлен, 2000 Хоши и сор. , 2000 Roesch и Olson, 2004 Romo et al., 2004 Sugrue et al., 2004 Cisek and Kalaska, 2005). Овие набудувања доведоа до постојани дебати во врска со функционалната улога на некои од овие региони. На пример, силните експериментални резултати ја сместија страничната интрапариетална област (ЛИП) во категоријата перцепција (Кусуноки и сор., 2000), сознавање (Плат и Глимчер, 1999) или акционо планирање (Снајдер и сор., 1997), без јасен начин за усогласување на овие наоди.

Прагматична перспектива може да фрли светлина на овие прашања. На пример, за приматот успешно да постигне цел во однесувањето, како што е посегнување по парче овошје, мора да реши два поврзани проблеми: да избере до кое овошје ќе посегне и да ги специфицира параметрите на дофатот, како што се неговата насока и степен. На Иако секој од овие проблеми може да се изучува изолирано, мозокот на крајот мора да ги реши на интегриран начин. За да се одлучи, мора да се има сет на алтернативи за да се одлучи помеѓу, и, во многу реални ситуации, тие алтернативи се конкретни дејствија. Ако прикажувањата на неколку потенцијални дејства се генерираат истовремено, тогаш нивните предвидени последици може да се проценат и да се користат за селекција. Така, интегриран систем кој истовремено одредува повеќе потенцијални дејства и избира помеѓу нив, може да спроведе вид на донесување одлуки што е веројатно основно за однесување во реално време.

Подолу, се развива пресметковен модел врз основа на предлогот спецификацијата и селекцијата на дејствијата да се одвиваат преку единствен унифициран механизам. Во моделот, ќелија прилагодена на одредена вредност на некој просторен параметар на движење е активна во сооднос со сензорните и когнитивните информации што го фаворизираат изборот на дејства со таа специфична вредност на параметарот. Популација од такви клетки спроведува претстава слична на функцијата на густина на веројатност на потенцијалните параметри на дејство (Erlhagen and Schöner, 2002 Sanger, 2003 Knill and Pouget, 2004). Како што илустрира моделот, оваа мешана претстава може да се користи за паралелно решавање и на проблемот со специфицирање на просторни метрики на потенцијална акција (аспект на планирање) и проблемот на избор помеѓу различни потенцијални дејства (донесување одлуки). Ова објаснува зошто клеточната активност во премоторните и париеталните кортикални региони е во корелација и со просторни и со когнитивни варијабли. Симулациите покажуваат дека популационите модели се однесуваат многу слично како клетки снимени од церебралниот кортекс на мајмуни кои извршуваат задачи за донесување одлуки, а однесувањето на моделот како целина ги покажува просторно-временските трендови на однесување на луѓето при донесување одлуки.


Сензорни моторни трансформации во световите на жабите и роботите

Трудот развива повеќестепен пристап кон дизајнот и анализата на системите со „перцепција ориентирана кон акција“, лоцирајќи различни „дизајни“ на роботи и животни во еволутивна перспектива. Презентираме сет на принципи за биолошки дизајн во поширока перспектива што ја покажува нивната важност за дизајнот на роботите. Воведуваме шеми за да се обезбеди груба анализа на „кооперативно пресметување“ во мозокот на животните и „мозокот“ на роботите, почнувајќи со анализа на пристапот, избегнувањето, однесувањето на заобиколување и планирањето на патеките кај жабите. Експлицитен извештај за нервниот механизам на однесување за избегнување кај жабата илустрира како шемите може да се имплементираат во нервните мрежи. Фокусот на остатокот од статијата е на односот на инстинктивно кон рефлексивно однесување. Ние ја генерализираме анализата на интеракцијата на перцептивните шеми во системот ВИЗИОНС за компјутерска визија до поглед на интеракцијата на перцептивните и моторните шеми во распределеното планирање, кое, како што тврдиме, има големо ветување за интегрирање механизми за дејствување и перцепција и кај животните и кај робот. Завршуваме со општи набудувања за лекциите за поврзана структура и функција што можат да се пренесат од биологија до технологија.


Неподносливото плитко разбирање на длабокото учење

Овој труд го анализира брзиот и неочекуван пораст на длабокото учење во рамките на Вештачката интелигенција и неговите апликации. Се занимава со можните причини за овој извонреден успех, обезбедувајќи кандидатски патеки кон задоволително објаснување зошто функционира толку добро, барем во некои домени. Даден е историски извештај за подеми и падови, кои го карактеризираа истражувањето на нервните мрежи и неговата еволуција од „плитки“ до „длабоки“ архитектури за учење. Даден е прецизен извештај за „успехот“, со цел да се издвојат аспектите што се однесуваат на маркетингот или социологијата на истражувањето, а останатите аспекти се чини дека потврдуваат вистинска вредност на длабокото учење, барајќи објаснување. Наводните два главни поттикнувачки фактори за длабоко учење, имено пресметување на перформансите на хардверот и наодите од невронауката, се прегледани и оценети како релевантни, но недоволни за сеопфатно објаснување. Ги разгледуваме различните обиди да се направат математички основи способни да ја оправдаат ефикасноста на длабокото учење и сметаме дека ова е најперспективниот пат што треба да се следи, дури и ако сегашните достигнувања се премногу расфрлани и релевантни за многу ограничени класи на длабоки нервни модели. Тврдењето на авторите е дека повеќето од она што може да ја објасни самата природа зошто длабокото учење воопшто функционира, па дури и многу добро во толку многу области на примена, с still уште треба да се разбере, а понатамошните истражувања, кои се однесуваат на теоретската основа на вештачкото учење, се уште многу потребно.

Ова е преглед на претплатена содржина, пристап преку вашата институција.


Опции за пристап

Добијте целосен пристап до дневник за 1 година

Сите цени се NET цени.
ДДВ ќе се додаде подоцна во касата.
Пресметката на данокот ќе биде финализирана при одјавување.

Добијте временски ограничен или целосен пристап до написите на ReadCube.

Сите цени се NET цени.


Вовед

Традиционалните психолошки теории донесуваат одлуки како повисок когнитивен процес кој е одвоен од нервните системи на перцепција и акција (Тверски и Канеман, 1981). Исто така, повеќето модели претпоставуваат дека акциското планирање е одвоено од когнитивните процеси и започнува само откако ќе се донесе одлука (Флеш и Хоган, 1985 Кавато и др., 1990 Мел, 1991 Бушан и Шадмер, 1999). Меѓутоа, с growing поголем број неврофизиолошки податоци покажуваат активност поврзана со одлуките во многу исти нервни региони, општо земено вмешани во сензомоторна обработка и акционо планирање, како што се премоторен и париетален кортекс (Плат и Глимчер, 1999 Голд и Шадлен, 2000 Хоши и сор. , 2000 Roesch и Olson, 2004 Romo et al., 2004 Sugrue et al., 2004 Cisek and Kalaska, 2005). Овие набудувања доведоа до постојани дебати во врска со функционалната улога на некои од овие региони. На пример, силните експериментални резултати ја сместија страничната интрапариетална област (ЛИП) во категоријата перцепција (Кусуноки и сор., 2000), когниција (Плат и Глимчер, 1999) или акционо планирање (Снајдер и сор., 1997), без јасен начин за усогласување на овие наоди.

Прагматична перспектива може да фрли светлина на овие прашања. На пример, за приматот успешно да постигне цел во однесувањето, како што е посегнување по парче овошје, мора да реши два поврзани проблеми: да избере до кое овошје ќе посегне и да ги специфицира параметрите на дофатот, како што се неговата насока и степен. На Иако секој од овие проблеми може да се изучува изолирано, мозокот на крајот мора да ги реши на интегриран начин. За да одлучите, мора да имате сет алтернативи за да одлучите помеѓу, и, во многу реални ситуации, тие алтернативи се конкретни дејствија. Ако прикажувањата на неколку потенцијални дејства се генерираат истовремено, тогаш нивните предвидени последици може да се проценат и користат за селекција. Така, интегриран систем кој истовремено одредува повеќе потенцијални дејства и избира помеѓу нив, може да спроведе вид на донесување одлуки што е веројатно основно за однесување во реално време.

Подолу, се развива пресметковен модел врз основа на предлогот спецификацијата и селекцијата на дејствијата да се одвиваат преку единствен унифициран механизам. Во моделот, ќелија прилагодена на одредена вредност на некој просторен параметар на движење е активна во сооднос со сензорните и когнитивните информации што го фаворизираат изборот на дејства со таа специфична вредност на параметарот. Популација од такви клетки спроведува претстава слична на функцијата на густина на веројатност на потенцијалните параметри на дејство (Erlhagen and Schöner, 2002 Sanger, 2003 Knill and Pouget, 2004). Како што илустрира моделот, оваа мешана претстава може да се искористи за паралелно да се реши и проблемот со специфицирање на просторната метрика на потенцијалната акција (аспект на планирање) и проблемот со избор помеѓу различни потенцијални дејства (донесување одлуки). Ова објаснува зошто клеточната активност во премоторните и париеталните кортикални региони е во корелација и со просторни и со когнитивни варијабли. Симулациите покажуваат дека популациите на модели се однесуваат многу слично како клетки снимени од церебралниот кортекс на мајмуни кои извршуваат задачи за донесување одлуки, а однесувањето на моделот како целина ги покажува просторно-временските трендови на однесување на луѓето при донесување одлуки.


Сензорни моторни трансформации во световите на жабите и роботите

Трудот развива повеќестепен пристап кон дизајнот и анализата на системи со „перцепција ориентирана кон дејствување“, лоцирајќи различни „дизајни“ на роботи и животни во еволутивна перспектива. Презентираме сет на принципи за биолошки дизајн во поширока перспектива што ја покажува нивната важност за дизајнот на роботите. Воведуваме шеми за да се обезбеди груба анализа на „кооперативно пресметување“ во мозокот на животните и „мозокот“ на роботите, почнувајќи со анализа на пристапот, избегнувањето, заобиколното однесување и планирањето на патеките кај жабите. Експлицитен извештај за нервниот механизам на однесување за избегнување кај жабата илустрира како шемите може да се имплементираат во нервните мрежи. Фокусот на остатокот од статијата е на односот на инстинктивно кон рефлексивно однесување. Ние ја генерализираме анализата на интеракцијата на перцептивните шеми во системот ВИЗИОНС за компјутерска визија до поглед на интеракцијата на перцептивните и моторните шеми во распределеното планирање, кое, како што тврдиме, има големо ветување за интегрирање механизми за дејствување и перцепција и кај животните и кај робот. Завршуваме со општи набудувања за лекциите за поврзана структура и функција што можат да се пренесат од биологија до технологија.


Рамка за длабоко учење за невронаука

Системската невронаука бара објаснувања за тоа како мозокот спроведува широк спектар на перцептивни, когнитивни и моторни задачи. Спротивно на тоа, вештачката интелигенција се обидува да дизајнира пресметковни системи врз основа на задачите што ќе треба да ги решат. Во вештачките невронски мрежи, трите компоненти наведени со дизајн се објективните функции, правилата за учење и архитектурата. Со зголемениот успех на длабокото учење, кое користи архитектури инспирирани од мозокот, овие три дизајнирани компоненти стануваат с central поважни за начинот на кој ги моделираме, инженерираме и оптимизираме сложените системи за вештачко учење. Тука се расправаме дека поголем фокус на овие компоненти исто така би имал корист за системите за невронаука. Даваме примери за тоа како оваа рамка заснована на оптимизација може да поттикне теоретски и експериментален напредок во невронауката. Ние тврдиме дека оваа принципиелна перспектива за системската невронаука ќе помогне да се генерира побрз напредок.


Референци

Алварез, Г. А., и засилувач Кавана, П. (2004). Капацитетот на визуелната краткорочна меморија е поставен и според визуелното оптоварување на информациите и по бројот на објекти. Психолошка наука, 15(2), 106–111.

Ау, Е., Бартон, Б., и засилувач Вогел, Е. К. (2007). Визуелната работна меморија претставува фиксен број на предмети без оглед на сложеноста. Психолошка наука, 18(7), 622–628.

Бадли, А.Д., и засилувач Хич, Г. Ј. (1974). Работна меморија. Психологија на учење и мотивација: напредок во истражувањето и теоријата, 8, 47–89.

Bays, P. M., Catalao, R. F. G., & amp Husain, M. (2009). Прецизноста на визуелната работна меморија се поставува со распределба на заеднички ресурс. Весник на визија, 9(10), 1–11.

Бејс, П. М., Горгораптис, Н., Ви, Н., Маршал, Л., и засилувач Хусеин, М. (2011а). Временска динамика на кодирање, складирање и пренамена на визуелната работна меморија. Весник на визија, 11(10), 1–15.

Бејс, П. М., Ву, Е. Ј., и засилувач Хусеин, М. (2011б). Динамично ажурирање на работните мемориски ресурси за визуелни објекти. Весник на невронауки, 31(23), 8502–8511.

Блок, Х. Д. (1962). Перцептрон: модел за функционирање на мозокот. Прегледи на модерната физика, 34(1), 123–135.

Бауман, Х., и засилувач Вибл, Б. (2007). Симултан тип, сериски знак модел на временско внимание и работна меморија. Психолошки преглед, 114(1), 38–70.

Брејди, Т. Ф., и засилувач Алварез, Г. А. (2011). Хиерархиско кодирање во визуелната работна меморија: ансамбл статистика пристрасност меморија за одделни ставки. Психолошка наука, 22(3), 384–392.

Брејди, Т. Ф., и засилувач Тененбуам, Ј.Б. (2013). Веројатниот модел на визуелна работна меморија: инкорпорирање на регуларности од повисок ред во проценките на капацитетот на работната меморија. Психолошки преглед, 120(1), 85–109.

Карамаца, А., и засилувач Микели, Г. (1990). Структурата на графемски претстави. Сознание, 37, 243–297.

Фугни, Д., и засилувач Алварез, Г. А. (2011). Карактеристиките на објектот не успеваат независно во визуелните докази за работна меморија за веројатниот модел за складирање карактеристики. Весник на визија, 11(12), 1–12.

Fougnie, D., Suchow, J. W., & amp Alvarez, G. A. (2012). Варијабилност во квалитетот на работната меморија. Комуникација за природа, 3, 1229.

Fougnie, D., Asplund, C. L., & amp; Marois, R. (2010). Кои се единиците за складирање во визуелната работна меморија? Весник на визија, 10(12), 1–11.

Франконери, С. Л., Алварез, Г. А., и засилувач Кавана, П. (2013). Флексибилни когнитивни ресурси: конкурентни мапи на содржини за внимание и меморија. Трендови во когнитивните науки, 17(3), 134–141.

Gorgoraptis, N., Catalao, R. F. G., Bays, P. M., & amp Husain, M. (2011). Динамично ажурирање на работните мемориски ресурси за визуелни објекти. Весник на невронаука, 31(23), 8502–8511.

Hartshorne, J. K. (2008). Капацитет на визуелна работна меморија и проактивно мешање. PLOS еден, 3(7), e2716.

Хаселмо, М. Е., Франсен, Е., Диксон, Ц., и засилувач Алонсо, А.А. (2000). Компјутерско моделирање на енторигинален кортекс. Анали на Academyујоршката академија на науките, 911(617), 418–446.

Хуанг, Ј., & Засилувач Секулер, Р. (2010). Дисторзии во потсетувањето од визуелната меморија: две класи на привлекувачи на работа. Весник на визија, 10, 1–27.

Iangијанг, Ј., Олсон, И. Р., и засилувач Чун, М. М. (2000). Организација на визуелна краткотрајна меморија. Весник за експериментална психологија: учење, меморија и сознание., 26(3), 683–702.

Кахана, М. Ј., & Засилувач Секулер, Р. (2002). Препознавање просторни модели: бучен примерен пристап. Истражување за визија, 42(18), 2177–2192.

Канеман, Д., и засилувач Трајсман, А. (1984). Промена на ставовите за внимание и автоматизам. Во R. Parasuraman & amp R. Davies (уредници), Сорти во внимание (стр. 29–61). Newујорк: Академски печат.

Канерва, П. (1993). Ретка дистрибуирана меморија и сродни модели. Придружни нервни спомени: теорија и имплементација, 50–73

Канвишер, Н. Г. (1987). Слепило за повторување: препознавање на тип без индивидуализација на знак. Сознание, 27, 117–143.

Кепел, Г., и засилувач Андервуд, Б. Ј. (1962). Проактивна инхибиција при краткорочно задржување на единечни предмети. Весник за вербално учење и вербално однесување, 1(3), 153–161.

Кешвари, С., ван ден Берг, Р., & засилувач Ма, В. Ј. (2013). Нема докази за ограничување на ставка при откривање промени. PLoS компјутерска биологија, 9(2), е1002927.

Лин, П., & засилувач, С.Ј. (2009). Влијанието на сличноста врз претставите за визуелна работна меморија. Визуелно сознание, 17(3), 1–15.

Лин, П., & засилувач, С.Ј. (2012).Проактивното мешање не ги нарушува значајно проценките на капацитетот на визуелната работна меморија во задачата за канонско откривање. Граници во психологијата, 3(2), 1–9.

Luck, S. J., & amp Vogel, E. K. (1997). Капацитетот на визуелната работна меморија за карактеристики и сврзници. Природа, 390(6657), 279–281.

Луо, Ц. Р., и засилувач Карамаца, А. (1996). Слепило за временско и просторно повторување: ефектите на режимот на презентација и заостанувањето на повторувањето врз перцепцијата на повторените ставки. Весник за експериментална психологија: перцепција и перформанси на човекот, 22(1), 95–113.

Мар, Д. (1976). Рана обработка на визуелни информации. Филозофски трансакции на Кралското друштво во Лондон. Серија Б, биолошки науки, 275(942), 483–519.

МекКеланд, Ј.Л., и засилувач Румелхарт, Д.Е. (1988). Истражувања во паралелно распределена обработкаНа Кембриџ: Пресот на МИТ.

Михалас, С., Донг, Ј., Фон дер Хејт, Р., и засилувач Нибур, Е. (2011). Механизмите на перцептивна организација обезбедуваат авто-зум и авто-локализација за внимание на објектите. Зборник на трудови од Националната академија на науките на Соединетите Американски Држави, 108(18), 7583–7588.

Мозер, М.Ц. (1989). Видови и токени во визуелната перцепција на букви. Весник на експериментална психологија: перцепција и перформанси на човекот, 15(2), 287–303.

Мурдок, Б. Б., r.униор (1983). Дистрибуиран модел на меморија за информации од сериски редослед. Психолошки преглед, 90(4), 316–338.

Оберауер, К. (2009). Дизајн за работна меморија. Психологија на учење и мотивација, 51(9), 45–100.

Оберауер, К., и засилувач Ајхенбергер, С. (2013). Визуелната работна меморија опаѓа кога треба да се запаметат повеќе карактеристики за секој објект. Меморија и засилувач Спознание, Мај 2013 година

Оберауер, К., Левандовски, С., Фарел, С., arrаролд, Ц., & засилувач Гривс, М. (2012). Моделирање на работна меморија: мешање модел на комплексен распон. Психономски билтен и преглед на засилувач, 19(5), 779–819.

Орхан, А. Е., и засилувач obејкобс, Р.А. (2013). Веројатна кластериска теорија за организација на визуелната краткотрајна меморија. Психолошки преглед, 120(2), 297–328.

Плоча, Т. А. (1995). Холографски намалени претстави. Трансакции на IEEE на невронска мрежа, 6(3), 623–641.

Принцметал, В., Амири, Х., Ален, К., и засилувач Едвардс, Т. (1998). Феноменологија на внимание: 1. Боја, локација, ориентација и просторна фреквенција. Весник за експериментална психологија: перцепција и перформанси на човекот, 24(1), 261–282.

Радемакер, Р. Л., Тредвеј, Х. Х., и засилувач Тонг, Ф. (2012). Интроспективните пресуди ја предвидуваат прецизноста и веројатноста за успешно одржување на визуелната работна меморија. Весник на визија, 12(13), 1–13.

Рок, И., Линет, Ц. М., Грант, П., и засилувач Мек, А. (1992). Перцепција без внимание: резултати од нов метод. Когнитивна психологија, 24, 502–534.

Розенблат, Ф. (1958). Перцептрон: веројатен модел за складирање и организација на информации во мозокот. Психолошки преглед, 65(6), 386–408.

Симс, Ц. Р., obејкобс, Р.А., и засилувач Нил, Д.Ц. (2012). Идеална наб obserудувачка анализа на визуелната работна меморија. Психолошки преглед, 119(4), 807–830.

Suchow, J. W., Brady, T. F., Fougnie, D., & amp, Alvarez, G. A. (2013). Моделирање визуелна работна меморија со MemToolBox. Весник на визија, 13(10):9, 1–8.

Treisman, A. M., & amp; Gelade, G. (1980). Теорија на интеграција на карактеристики на внимание. Когнитивна психологија, 12(1), 97–136.

Трејсман, А. М., и засилувач Шмит, Х. (1982). Илузорни сврзници во перцепцијата на предметите. Когнитивна психологија, 14, 107–141.

ван ден Берг, Р., Шин, Х., Чоу, В., ,орџ, Р., и засилувач Ма, В.Ј. (2012). Варијабилност во кодирање прецизни сметки за визуелни краткорочни ограничувања на меморијата. Зборник на трудови од Националната академија на науките на Соединетите Американски Држави, 109(22), 8780–8785.

ван Ламсверде, А. Е., и засилувач Бек, М. Р. (2012). Префрлање на вниманието или непостојани претстави: што предизвикува обврзувачки дефицити во визуелната работна меморија? Визуелно сознание, 20(7), 771–792.

ВанРулен, Р. (2009). Обврзување сврзувачки карактеристики со карактеристики на барање. Визуелно сознание, 17(1–2), 103–119.

Вогел, Е. К., Вудман, Г. Ф., и засилувач Лак, С. Ј. (2001). Складирање карактеристики, сврзници и предмети во визуелната работна меморија. Весник за експериментална психологија: перцепција и перформанси на човекот, 27(1), 92–114.

Вогел, Е. К., Вудман, Г. Ф., и засилувач Лак, С. Ј. (2006). Временскиот тек на консолидација во визуелната работна меморија. Весник за експериментална психологија: перцепција и перформанси на човекот, 32(6), 1436–1451.

Вул, Е., Френк, М. С., Алварез, Г. А., и засилувач Тененбуам, Ј.Б. (2010). Објаснување на човечкото следење на повеќе објекти како приближен заклучок со ограничување на ресурсите во динамичен веројатносен модел. Напредок во нервните системи за обработка на информации, 22, 1–9.

Вул, Е., & засилувач, А.Н. (2010). Независно земање примероци од карактеристики овозможува свесна перцепција на врзани предмети. Психолошка наука, 21(8), 1168–1175.

Wei, W., Wang, X. J., & amp, Wang, D. (2012). Од дистрибуирани ресурси до ограничени слотови во работна меморија со повеќе ставки: модел на шилење мрежа со нормализација. Весник за невронаука, 32, 11228–11240.

Вилер, М. Е., и засилувач Трајсман, А. М. (2002). Врзување во краткорочна визуелна меморија. Jorunal of Experimental Psychology: General., 131(1), 48–64.

Вилкен, П., и засилувач Ма, В. J.. (2004). Теорија за откривање сметка за откривање промени. Весник на визија, 4, 1120–1135.

Вилијамс, М., Хонг, С. В., Канг, М., Карлајл, Н. Б., и засилувач Вудман, Г. Е. (2013). Придобивката од заборавањето. Билтен за психономија и преглед на засилувач., 19(6).

Вајбл, Б., Боуман, Х., и засилувач Нивенштајн, М. (2009). Блинот со внимание обезбедува епизодна карактеристичност: поштеда по цена. Весник за експериментална психологија: перцепција и перформанси на човекот, 35(3), 787–807.

Wyble, B., Potter, M. C., Bowman, H., & amp; Nieuwenstein, M. (2011). Внимателни епизоди во визуелната перцепција. Весник на експериментална психологија. Општо, 140(3), 488–505.

Hanанг, В., & засилувач, С.Ј. (2008). Дискретни претстави со фиксна резолуција во визуелната работна меморија. Природа, 452(7192), 233–235.

Hanанг, К. (1996). Претставување на просторна ориентација со внатрешна динамика на ансамблот на ќелија-насока на главата: теорија. Весник за невронаука, 16, 2112–2126.


Јаак Панксеп и обука за природни кучиња

Дебатите што ги имав на различни форуми со модерните теоретичари за учење на крајот се вртат околу моето тврдење дека емоциите го обликуваат учењето преку процес кој е многу посуштински од кој било систем на засилување. Јас тврдам дека засилувањата не се инструментални, шаблонот е на прво место и е, исто така, последниот стандард според кој секое животно дејство се проценува како ефикасно или не.

Постојано во овие дискусии работата на Јаак Пансеп, можеби најистакнатиот светски експерт за невробиологија на емоции, се повикува на побивање на мојот аргумент фокусиран на емоции. Морам да признаам дека сум малку удар, така што мојот прв рефлекс е да размислувам за разоткривање на Панксеп, бидејќи погрешно го претпоставував тоа, бидејќи постои една фундаментална и огромна точка на разлика што треба да се направи помеѓу она што го истражува утврди наспроти она што го откри начинот на анализа во момент, дека затоа во конечната анализа наодите на Панксеп стојат во огромна негација на мојата теорија. Меѓутоа, во реалноста моите противници што дебатираат само се обидуваат да побијат нешто, с anything и с everything, морам да кажам и тие се свртеа кон Панксеп за да го преземат моето тврдење дека постои само една емоција која функционира преку неврологија, физиологија, па дури и анатомија како виртуелна сила на привлечност.

Панксеп, беспрекорен и фер ум, научник вели дека постојат седум примарни емоции: ПРЕБАРУВАЕ, БЕР, СТРАВ, СРАС, ГРИА, ПАНИКА/ОГЛАС, ИГРА, секој од нив да се најде во одреден регион на мозокот и го спроведе истражувањето со кое се потврдува ова Не гледам како некој разумен човек може да се сомнева во неговите наоди. Така, на надворешен набудувач кој не одвојува време да им даде фер сослушување на моите идеи, мора да изгледа дека сум спротиставен против целиот научен свет, бидејќи разбрав универзална, монолитна емоција, заедничка за сите животни и основа на животинска свест, значи дека треба да се направат разлики со секое друго толкување на емоциите и однесувањето на животните кои с have уште не дошле до тој заклучок. Сепак, вистината е дека науката е најголемиот сојузник на мојата теорија и сакам да одвојам време да ја направам оваа точка неизбежно живописна. Исто така, верувам дека оваа конкретна дискусија ќе помогне појасно да ја оформи рамката на теоријата кога ќе се вратам да разјаснам како животинскиот ум составува чувство за својот “ себе ” во делот за говорот на телото. Така, во оваа насока, ќе го разгледам видео интервјуто спроведено со Панксеп, кое убаво го сумира и јасно го артикулира неговото истражување.

Овој преглед веројатно ќе потрае две или три статии за да се опфати во целост. Среќен сум што можам да кажам дека колку повеќе учам од Панксеп, толку повеќе сфаќам колку заедничко имаме и дека има исто толку говедско месо со Скинер и современите теоретичари за учење како и јас. Во видеото тој раскажува за пишување долго писмо до Скинер само за да добие слаб одговор.

Сепак, во исто време останувам убеден дека има само една емоција. Што се однесува до мозокот, Пансеп е во право, има седум афективни системи во мозокот кои спроведуваат емоционални состојби. Но, јас тврдам дека постои механизам подлабок од овие невролошки вкоренети системи и може да се забележи кога се интерпретира сложено однесување во смисла на непосреден момент (без проекција на мисли). Седумте афективни системи што ги идентификуваше не се примарни емоции, бидејќи колку и да се длабоко вградени во неврологијата на 'рбетниците, тие сепак мораа да потекнуваат од некаде, исто како што тврди Панксеп, некои од понапредните афективни системи на цицачи, исто така, произлегуваат од повеќе основните што се наоѓаат кај долните 'рбетници, како што се рибите.

Мојата теорија е дека постои една емоција, недиференцирана, монолитна „сила“ на привлечност, и за да можат две индивидуи да се поврзат и емотивно да се поврзат, поединецот мора да „се развива“ под нивото на инстинкт, како и под животот стекнати вредности и навики на умот, за да се пристапи до ова ниво на чиста примарна емоција составена од колото за глад и рамнотежа. Токму на ова ниво се воспоставува емоционална врска, така што две лица можеби емотивно ќе се заплеткаат по пат на чувства. Овој процес на емоции што се развива во чувства се темели на двојноста на грабливецот и пленот (проекција на емоции и апсорпција на емоции) и превртувањето на овие улоги, така што емоционалниот набој се пренесува напред и назад во процес на разработка во кој тие конечно ќе дојдат да се разликуваат едни од други на комплементарен начин, сличен на огледало. Овој процес на елаборација е најосновната архитектура на животинскиот ум врз кој седи сексуалноста, па дури и личноста. Вклучува не само неврологија на организмот, туку и физиологија и анатомија. Можам да замислам дека седумте афективни системи на Панксеп се емоционални средства за имплементација со оглед на тоа што мозокот е извршен орган, така што иако овие седум системи не се фундаментални, тие многу добро може да се покажат таму каде што емоциите се поврзуваат со најосновните извршни процеси на мозокот. Јас с believe уште верувам дека седумте афективни системи не ја артикулираат улогата што телото, а особено анатомијата, ја игра како подлога на емоциите и во создавањето на емоционална врска и капацитет за чисто адаптивен одговор на промената што е надвор од опсег на веќе постоечка шема. Така, иако е точно дека одреден регион од најпримарните региони на мозокот може да биде електрично стимулиран и да предизвика состојби како СТРАВ, СРАС, ГУСТ, ИГРА ,Е, ПАНИКА, НУРТУРА и БАРАЕ, според мое мислење, ова се емоционални состојби, цврсти ефективни системи, така што работите можат да работат автоматски и веднаш за да се справат со предвидлив модел, но дека тие не се доволни за да се интегрира индивидуата кохерентно во поголемите системи на проток што ја надминуваат индивидуализираната свест и кои се струја со, и против кои, мора да плива.

Мојот аргумент е дека емоциите произлегуваат од интеграцијата на неврологијата, физиологијата и анатомијата како ко-еднакви партнери, бидејќи овие основни системи го усогласуваат проблемот со глад/рамнотежа. Ако останете на место, гладувате. Потоа повторно, ако се движите, може да ве соборат и да ве изедат. Задоволувањето глад, во однос на одржувањето рамнотежа, генерира подлога како референтна рамка за умот, платформа преку која аспектите на мозокот, дури и подлабоко од седумте афективни системи, ги фокусираат внатрешните енергии за физички да го поместат телото од точката А да ја посочиме точката Б во помирување на основната загатка на животот на земјата, да се движи или да умре, да се движи премногу и да умре.

За да се бара, за да се изрази страст, бес или негување, за да се игра или да се избега, телото мора да се движи. Телото се поместува со фокусирање на надворешен објект за привлекување, а истовремено сублиминално фокусирање на специфичната локација на физичкиот центар на гравитација во телото, со анатомијата во движење симетрично усогласена околу оваа специфична точка која е секогаш во тек. Ова е платформа од која чувствата се елаборираат во сложени, интелигентни и креативно прилагодливи одговори на надворешни настани. Ова е прецизна динамика за автоматско подесување/повратни информации што предизвикува животното да ги согледа и интерпретира промените според принципот на емоционална спроводливост, така што различните потсистеми во мозокот не пукаат случајно, и така што организмот ќе биде точно вгнезден во поголемите системи за проток на природата. Во оваа динамика за автоматско подесување/повратни информации, анатомијата на организмот е исто толку важна за генерирање на рамка на умот, како и нејзината неврологија. (Треба да забележиме дека централизацијата на нервниот систем и билатералната симетрична анатомија еволуираа истовремено, или првата после втората. Во секој случај, двете се неразделно поврзани.) Верувам дека афективните системи не се вистинскиот извор на емоции , бидејќи емоцијата е внатрешна метрика што го води организмот да најде емоционална „почва“ со интегрирање на своето „јас“ со она што го привлекува. Два нервни системи во две одделни глави и тела се интегрираат во еден ум. Телото е составен дел на овој процес. Не постои само за да ја носите главата наоколу.

Така, врз основа на моето досегашно разбирање за Панксеп, и ја поздравувам критиката од оние што се поинформирани, оваа серија написи се однесува на корелациите што можат да се извлечат помеѓу истражувањето на Панксеп и основните принципи на емоции кои се во основата на филозофијата, теоријата и методот на Природно куче Обука. Затворам со цитат од зборовите на Панкеп што се појавуваат на крајот од видеото и кои ми се особено инспиративни со оглед на тоа со што честопати се соочуваат оние на убедувањето за обука на природни кучиња кога дебатираат за други експерти, односно престанок. Бев изненаден кога слушнав за неговите лични напори на пазарот на идеи. Неговата отвореност и упорност се вистинските работи на науката.

(57:20) „Можете ли да замислите дека научниците ќе ја затворат книгата за да зборуваат за работи што зборуваат за можната природа на светот. Но, ова се случи историски. Имаме брилијантни луѓе со екстремна ароганција што ни кажуваат за што можеме да зборуваме и за што не можеме. Дури и денес, повеќето психолози го оставија организмот надвор од вратата и ги проучуваат концептите што ги имаат “.


3. Претставување објекти, односи и секвенци користејќи единствен дистрибуиран вектор

Сега го дефинираме MBAT, векторска симболична архитектура и покажуваме како тој ги прикажува предметите, односите и секвенците со еден, распределен вектор со фиксна должина, додека ги задоволува претходно опишаните ограничувања.

Ние користиме две векторски операции: дополнување (+) и обврзувачки (#), како и комплексна структура методологија за врзување на адитивни фрази како што е опишано подолу.

3.1. Векторско дополнување (+) и адитивни фрази

Познатиот оператор за собирање вектори е доволен за да кодира неуреден сет на вектори како единствен вектор со иста димензија како и неговите составни вектори. На пример, во претходната работа, ние кодиравме документ како збир од неговите составни термини вектори и го користевме овој вектор за документи за пронаоѓање информации (Caid, Dumais, & amp Gallant, 1995). Клучното својство на додавање вектори, илустрирано во Табела 1, е:

Ова го комплетира доказот, освен една мала точка: мораме да потврдиме дека стандардната девијација на 〈Значи 0 бучава терминот не расте толку брзо како векторската димензија (овде 1000), инаку двата производни точки би можеле да бидат затрупани од бучава и не се разликуваат за практични цели. Додатокот покажува дека стандардната девијација на бучавата расте со квадратен корен на векторската димензија, завршувајќи го доказот.

Својството за додавање на високо-димензионални вектори н gets прави дел од патот до добра дистрибуирана претстава за колекција на објекти. На пример, можеме да претставиме реченица (или документ или фраза) со еден (нормализиран) 1000-димензионален вектор кој се состои од збир на одделни вектори на зборови. Потоа, можеме да го пресметаме Евклидовото растојание помеѓу векторите за да најдеме, на пример, документи со вектори кои се најслични на векторот за барање. Ова беше пристапот за нашите претходни напори за пронаоѓање документи. Сепак, с still уште треба да ја претставуваме структурата меѓу објектите.

3.2. Врзувачкиот оператор

И за јазикот и за визијата, не е доволно да се потпира само на додавање вектори. Поради комутативност на векторското собирање, повеќе фрази како во, „Паметната девојка го виде сивиот слон“ ќе има точно ист векторски збир како, „Паметниот слон ја виде сивата девојка," или дури, „Слончето сиво виде паметно“ Со други зборови, векторското собирање ни дава торба со зборови што се користат за создавање на збирот, но нема други информации за структурата.

Тука наидуваме на класичниот проблем за кодирање на врзување во когнитивната наука и вештачката интелигенција (Трајсман, 1999). Потребен ни е начин за врзување сиво до слон а не да девојче или кој било друг збор, додека се задржува дистрибуирана застапеност. Општо земено, потребна ни е способност да претставуваме анализирано дрво за реченица без напуштање на распределените претстави.

3.2.1. Фрази

Прво е корисно да се формализира дефиницијата за фраза во однос на репрезентациите. Ние дефинираме фраза како збир на ставки на кои може да им се смени редоследот без да ја направиме претставата неупотреблива. Фразите лабаво одговараат на јазични фрази, како што се именски клаузули и предлошки фрази, или „парчиња“ во пресметковната лингвистика. На пример, во „Паметната бразилска девојка виде сив слон, „Можеме да ја преуредиме водечката именска фраза од четири збора како во,“Бразилката девојката паметна виде сив слон, “И сепак разберете ја реченицата, иако станува неграматичка. Слично на тоа, за машинска визија, пример за фраза би биле векторите за поврзаната форма, x- и y-пози, боја и движење. Повторно, редот не е критичен.

3.2.2. Невронска мотивација

За да го мотивирате обврзувачкиот оператор што го предлагаме, разгледајте ја шемата за обработка на нервните информации на слика 1. Овде имаме влезови од различни сензорни потсистеми: визија, слух и допир. Моменталната состојба на системот („состојба на неврони“) е изменета со информации од овие влезови, како и повторливи врски од самиот себе.

Повторливите врски даваат начин за врзување на влезовите со тековната и претходната состојба на системот, како и едни со други. Овие врски може да се генерираат случајно.

Повторливите врски даваат начин за врзување на влезовите со тековната и претходната состојба на системот, како и едни со други. Овие врски може да се генерираат случајно.

Сликата го илустрира проблемот за врзување мозок, каде што ни е потребна способност да ги поврземе различните сензорни влезови (или различни нервни региони) со моменталната состојба на системот. Секвенците исто така стапуваат во игра овде, како кога слушаме бебе како две фонеми во два временски периоди, треба последователно да ги поврземе влезовите за да го препознаеме и претставиме терминот бебе и неговите асоцијации.

За обврзувачката задача, главниот ресурс со кој треба да работиме се повторувачките врски на врвот на сликата. (Секоја теорија за обработка на нервните информации што не вклучува голема улога за такви повторливи врски, недостасува многу голем слон во просторијата за невронска физиологија!) Покрај тоа, не можеме да поставиме премногу организациски барања за повторливи врски, бидејќи на секоја сложена структура и се потребни да се пренесат генетски и да се закачат за време на бучна, неуредна фаза на раст.

Значи, продолжувајќи со нашата мотивациска истрага за врзување, што ако земеме најлесна можна генетска/структурна структурна организација, имено, случајна? Можеме ли повремените врски да пресметаат случајна карта и да имаат корист за врзување?

3.2.3. Врзувачки оператор

Враќајќи се на математиката, ајде сега да ја дефинираме наједноставната верзија на унарен обврзувачки оператор, #. (Подолу, исто така, ќе дефинираме неколку алтернативи.)

Нека М биде фиксна квадратна матрица со соодветна димензија за нашите вектори, на пример, 1000 со 1000. Оставивме компоненти на М бидат случајно избрани вредности (на пример, +1/−1). Како точка на означување, при подигање на матрица до моќ, секогаш ќе користиме загради, како во (М) 3. Ова го разликува од означувањето на неколку различни матрици, на пример, М Актер и М Објект.

Оваа формула за пресметување на следната состојба, исто така, дава начин да се претстават влезни секвенци. Канерва (2009) и Плејт (2003) претходно ја користеа оваа техника за кодирање секвенца, користејќи различни оператори за врзување.

Фразите што се врзуваат заедно мора да бидат недвосмислени во однос на редот. Така, можеме да поврземе фрази како „паметната девојка“, Каде што редот навистина не е важен во разбирањето на фразата. Сепак, не можеме да се врзуваме во еден чекор “паметната девојка го виде сивиот слон“Бидејќи би наишле на обврзувачка двосмисленост дали паметен се однесува на девојче или слонНа Severalе бидат потребни неколку обврзувачки операции, како на слика 2.

Можеме добро да ги користиме ознаките, претставени со (случајни) вектори на ознаки додадени во фрази, за да наведеме дополнителни синтаксички и семантички информации, како што се актер (т.е. В актер ), објект , и фразаХас3зборови .

Врзувањето со пресметување (множење на матрица) вклучува повеќе работа отколку пресметување на кружна конволуција во холографски намалени претстави доколку се користат брзи Фуриерови трансформации за HRR (Плоча, 2003). Исто така, врзувањето во MBAT бара од нас да користиме различен математички простор, односно матрици наспроти само вектори во HRR.

Сега можеме да видиме како недвосмислено да се претстави Паметната девојка го виде сивиот слон на Слика 2.

Претставување на реченица со врзување на низа од влезови на фрази. Во секој временски чекор, фраза составена од збир на вектори на зборови се собира во долниот вектор. Збирот на фразата може да содржи и информации за структурата (на пр. актер , пасивен глас ) во форма на вектори на ознаки. Овој вектор се додава на случајните повторливи врски од В(н) да се произведе следниот вектор на состојба, В(н+1).

Претставување на реченица со врзување на низа од влезови на фрази. Во секој временски чекор, фраза составена од збир на вектори на зборови се собира во долниот вектор. Збирот на фразата може да содржи и информации за структурата (на пр. актер , пасивен глас ) во форма на вектори на ознаки. Овој вектор се додава на случајните повторливи врски од В(н) да се произведе следниот вектор на состојба, В(н+1).

По желба, паметен е поврзан со девојче во оваа сума од 13 вектори, бидејќи имаме термин (М) 2 В паметен и (М) 2 В девојче , но слон се појавува како В слон .

Исто така, имаме својство за препознавање за обврзувачкиот оператор:

3.3. Методологија на сложена структура

Така, користејќи адитивни векторски фрази, (В 1 + В 2 + В 3 ), како операнди за врзување помага при последователно препознавање (и учење) на ставки. Исто така, помага да се намалат пресметковните барања во споредба со користењето само обврзувачки операции, бидејќи собирањето вектори е поевтино од множењето матрица.

3.4. Варијанти на операторот за врзување

Матрици за пермутација: Можно е да се користи пермутација (случајна или не) за матрицата за врзување, бидејќи пермутациите се максимално ретки и лесно се превртуваат. Како и да е, предноста на користењето матрици со многу нула елементи е тоа што тие можат да ја зголемат репрезентативната димензионалност на изолираните влезови. На пример, да претпоставиме дека целта е да научиме Exclusive-Or (XOR) пресметано на компонентите 1 и 2 (и игнорирање на другите компоненти). Случајна пермутација ги мапира двата влеза во две различни компоненти, но ја задржува истата димензионалност, така што веројатноста добиената претстава да биде линеарно разделена останува на 0. Спротивно на тоа, во архитектурата „Бинарен свет“ со components1/+1 компоненти, кога случајна матрица се применува на влезовите проследено со чекор на прагови, компонентите 1 и 2 се шират нелинеарно меѓу многу компоненти. Ова ја зголемува ефективната димензионалност на застапеноста (Gallant & amp Smith, 1987), и ја прави веројатноста за линеарна раздвоеност (и лесна за учење) поголема од 0. Ваквата зголемена репрезентативна способност е предност со работа во Бинарен свет, наместо со користење на континуирани векторски компоненти На Друга предност на користењето на неразбирлива матрица за врзување е тоа што претставата распаѓа пограциозно кога се додава бучава во матрицата. Конечно, во нервниот систем, мнозинството неврони се синапсираат со многу други неврони, а не со еден неврон, што ја прави матрицата на пермутација да изгледа многу помалку нервно веродостојна.

Важно прашање за подесување на перформансите за практични имплементации е скалирање на обврзувачкиот оператор, така што, на пример, (М) 2 В девојче терминот не доминира со други термини. Еден пристап е да се нормализира резултатот од обврзувачката операција, така што добиениот вектор има иста должина како вектор за еден член, ГНа Алтернативно, нормализацијата може да го направи секој М В јас фраза компонента имаат должина ГНа Конечно, ние само би можеле да работиме во Бинарниот свет, во тој случај проблемот исчезнува.

3.5. Повеќе истовремени претстави

Важна техника за намалување на кршливоста на претставата на структурата (како што се анализирање на информации) е истовремено кодирање на неколку описи на структурата (со различни оператори за врзување) во векторот со нивно додавање. Ова ја зголемува робусноста со тоа што различни структури „гласаат“ во конечната репрезентација.

За друг пример, ако парсерот А резултира со приказ на реченици В А и парсерот Б произведува В Б , тогаш конечниот приказ за казната може да биде В А + В Б .

Како трет пример, ако имаме две (или повеќе) програми за екстракција на карактеристики на слика (можеби работат со различни грануларности на сликата), излезите на секоја програма може да се претворат во вектор и потоа да се соберат за да се добие конечната векторска претстава.

За да го сумираме овој дел, двата оператори + и #, заедно со претставување на сложената структура со примена на # на адитивни фрази, ни овозможуваат да претставуваме објекти, структури и секвенци во MBAT. Во делот 6, проверуваме дали МБАТ ги задоволува репрезентативните ограничувања што ги поставивме.


Неподносливото плитко разбирање на длабокото учење

Овој труд го анализира брзиот и неочекуван пораст на длабокото учење во рамките на Вештачката интелигенција и неговите апликации. Се занимава со можните причини за овој извонреден успех, обезбедувајќи кандидатски патеки кон задоволително објаснување зошто функционира толку добро, барем во некои домени. Даден е историски извештај за подеми и падови, кои го карактеризираа истражувањето на нервните мрежи и неговата еволуција од „плитки“ до „длабоки“ архитектури за учење. Даден е прецизен извештај за „успехот“, со цел да се издвојат аспектите што се однесуваат на маркетингот или социологијата на истражувањето, а останатите аспекти се чини дека потврдуваат вистинска вредност на длабокото учење, барајќи објаснување. Наводните два главни поттикнувачки фактори за длабоко учење, имено пресметување на перформансите на хардверот и наодите од невронауката, се прегледани и оценети како релевантни, но недоволни за сеопфатно објаснување. Ги разгледуваме различните обиди да се направат математички основи способни да ја оправдаат ефикасноста на длабокото учење и сметаме дека ова е најперспективниот пат што треба да се следи, дури и ако сегашните достигнувања се премногу расфрлани и релевантни за многу ограничени класи на длабоки нервни модели. Тврдењето на авторите е дека повеќето од она што може да ја објасни самата природа зошто длабокото учење воопшто функционира, па дури и многу добро во толку многу области на примена, с still уште треба да се разбере, а понатамошните истражувања, кои се однесуваат на теоретската основа на вештачкото учење, се уште многу потребно.

Ова е преглед на претплатена содржина, пристап преку вашата институција.


Алибали, М. В., и ДиРусо, А.А. (1999). Функцијата на гестот во учењето да се брои: повеќе од следење. Когн. Дев. 56, 37 �. дои: 10.1016/s0885-2014 (99) 80017-3

Андрес, М., Серон, Х. и Оливие, Е. (2007). Придонес на кола за рачни мотори при броење. C. Коњ. Невролози. 19, 563 �. дои: 10.1162/jocn.2007.19.4.563

Анобиле, Г., Цичини, Г. М. и Бур, Д.Ц. (2016). Бројот како примарен перцептивен атрибут: преглед. Перцепција 45, 5 �. дои: 10.1177/0301006615602599

Барони, М. (2020). Јазична генерализација и композиција во модерните вештачки невронски мрежи. Филос. Транс. Р. Соц. Б Биол. Наука 375: 20190307. дои: 10.1098/rstb.2019.0307

Бендер, А. и Белер, С. (2012). Природа и култура на броење прсти: разновидност и репрезентативни ефекти на отелотворена когнитивна алатка. Когниција 124, 156 �. дои: 10.1016/ј.сознание.2012 година.05.005

Бенгио, Ј., Лурадур, Ј., Колоберт, Р., и Вестон, Ј. (2009). ȁУчење на наставната програма, ” во Зборник на трудови од 26 -та годишна меѓународна конференција за машинско учење (Newујорк, NYујорк, САД: ACM), 1 𠄸.

Беран, М. Ј., и Беран, М. М. (2004). Шимпанзата се сеќаваат на резултатите од едно по едно додавање на прехранбени производи во комплети за подолг временски период. Психол. Наука 15, 94 �. дои: 10.1111/j.0963-7214.2004.01502004.х

Браун, Ј.Р. (2012). Платонизам, натурализам и математичко знаење. Newујорк, NYујорк: Routledge.

Батерворт, Б. (1999). Математичкиот мозок. Лондон, Велика Британија: Мекмилан.

Батерворт, Б., Рив, Р., Рејнолдс, Ф. и Лојд, Д. (2008). Нумеричка мисла со и без зборови: докази од домородните австралиски деца. Прок. Натл. Акад Наука САД 105, 13179 �. дои: 10.1073/пнас.0806045105

Кери, С. и Барнер, Д. (2019). Онтогенетско потекло на човечки цели претстави. Трендови Ког. Наука 23, 823 �. дои: 10.1016/j.tics.2019.07.004

Цензато, А., Тестолин, А. и Зорзи, М. (2019). За тешкотиите за учење и предвидување на долгорочната динамика на отскокнувачки објекти. arXiv: 1907.13494 [Препечаток].

Чен, С. Ј., ouоу, З., Фанг, М., и МекКеланд, Ј.Л. (2018). Може ли генерички нервни мрежи да проценат бројност како луѓето? ” во Зборник на трудови од 40 -та годишна конференција на Друштвото за когнитивна наука, eds T. T. Rogers, M. Rau, X. Zhu and C. W. Kalish (Austin, TX: Cognitive Science Society), 202 �.

Кларк, А. (2011). Надминување на умот: олицетворение, акција и когнитивно проширување. Newујорк, NYујорк: Оксфорд Универзитетот Прес.

d ’ Errico, F., Doyon, L., Colag é, I., Queffelec, A., Le Vraux, E., Giacobini, G., et al. (2018). Од значење на број до симболи на број. Археолошка перспектива. Филос. Транс. Р. Соц. Б Биол. Наука 373: 20160518. дои: 10.1098/rstb.2016.0518

Dacke, M., and Srinivasan, M. V. (2008). Докази за броење кај инсекти. Анима. Когн. 11, 683 �. дои: 10.1007/s10071-008-0159-г

Дејвидсон, К., Енг, К. и Барнер, Д. (2012). Дали учењето за броење вклучува семантичка индукција? Когниција 123, 162 �. дои: 10.1016/ј.сознание.2011.12.013

Де Ла Круз, В. М., Ди Нуово, А., Ди Нуово, С. и Кангелоси, А. (2014). Правење прсти и зборови да бројат во когнитивен робот. Напред. Однесување. Невролози. 8:13 дои: 10.3389/fnbeh.2014 година.00013

Dehaene, S. (2011). Бројно чувство: Како умот создава математика. Newујорк, NYујорк: Оксфорд Универзитетот Прес.

Dehaene, S., and Changeux, J.-P. Ј. (1993). Развој на елементарни нумерички способности: невронски модел. C. Коњ. Невролози. 5, 390 �. дои: 10.1162/jocn.1993 година.5.4.390

Девлин, Ј., Чанг, М.-В., Ли, К. и Тутанова, К. (2018). BERT: пред-обука на длабоки двонасочни трансформатори за разбирање јазик. arXiv: 1810.04805 [Препечаток].

Ди Нуово, А. и ayеј, Т. (2019). Развој на нумеричко знаење кај деца и вештачки системи: преглед на тековните знаења и предлози за мултидисциплинарно истражување. Когн. Пресметај Сист 1, 2 �. дои: 10.1049/парчиња.2018 година.0004

Домахс, Ф., Кауфман, Л. и Фишер, М. Х. (2012). Корисни броеви: броење прсти и нумеричко спознавање. Лозана: Специјална тема за истражување во Frontiers Media SA.

Домахс, Ф., Молер, К., Хубер, С., Вилмс, К., и Нуерк, Х.-С. (2010). Отелотворена бројност: имплицитните претстави засновани на раце влијаат на симболичната обработка на броеви низ културите. Когниција 116, 251 �. дои: 10.1016/j.сознание.2010.05.007

Елман, Ј.Л., Бејтс, Е., Johnsonонсон, М., Кармилоф-Смит, А., Паризи, Д. и Планкет, К. (1996). Преиспитување на неспособноста: Поврзувачка перспектива за развој. Кембриџ, М -р: Прес МИТ.

Фанг, М., ouоу, З., Чен, С. Ј. и МекКеланд, Ј.Л. (2018). Може ли повторлива нервна мрежа да научи да брои работи? ” во Зборник на трудови од 40 -та годишна конференција на Друштвото за когнитивна наука, eds T. T. Rogers, M. Rau, X. Zhu, and C. W. Kalish (Austin, TX: Cognitive Science Society), 360 �.

Feigenson, L., Dehaene, S., and Spelke, E. S. (2004). Основни системи на броеви. Трендови Ког. Наука 8, 307 �. дои: 10.1016/j.tics.2004.05.002

Фишер, М. Х. (2008). Навиките за броење прсти ги модулираат просторно-нумеричките асоцијации. Кортекс 44, 386 �. дои: 10.1016/j.cortex.2007.08.004

Гарнело, М., и Шанахан, М. (2019). Усогласување на длабокото учење со симболична вештачка интелигенција: претставување предмети и односи. Curr. Мислење. Однесување. Наука 29, 17 �. дои: 10.1016/j.cobeha.2018.12.010

Гелман, Р. и Батерворт, Б. (2005). Број и јазик: како се поврзани? Трендови Ког. Наука 9, 6 �. дои: 10.1016/j.tics.2004.11.004

Гибсон, Д. J.., Гундерсон, Е. А., Спапен, Е., Левин, С. С., и Голдин-Медоу, С. (2019). Гестовите со број предвидуваат учење на бројни зборови. Дев. Наука 22: e12791. дои: 10.1111/деск.12791

Гордон, П. (2004). Нумеричко сознание без зборови: докази од амазонија. Наука 306, 496 �. дои: 10.1126/наука.1094492

Гандерсон, Е. А., Спапен, Е., Гибсон, Д., Голдин-Медоу, С. и Левин, С. С. (2015). Гест како прозорец кон знаење за деца и број. Когниција 144, 14 �. дои: 10.1016/ј.сознание.2015 година.07.008

Халберда, Ј., Мацоко, М. М., и Фејгенсон, Л. (2008). Индивидуалните разлики во невербалната острина на броевите се во корелација со постигнувањата по математика. Природа 455, 665 �. дои: 10.1038/nature07246

Хансен, С. С., Мекензи, Ц. и МекКлеланд, Ј.Л. (2014). Два плус три е пет: откривање ефикасни стратегии за собирање без метакогниција, и#x0201D во Зборник на трудови од 36 -та годишна конференција на Друштвото за когнитивна наука (Монтреал, КК: Когнитивно научно друштво), 583 �.

Харнад, С. (1990). Проблем со заземјување на симболот. Физ. Д Нелинарен феномен. 42, 335 �. дои: 10.1016/0167-2789 (90) 90087-6

Тој, К., hanанг, Х., Рен, С. и Сун, Ј. (2016).“Длабоко преостанато учење за препознавање слика, и#x0201D во Зборник на трудови од конференцијата IEEE 2016 за компјутерска визија и препознавање на модели (CVPR), (Лас Вегас, НВ: IEEE), 770 �.

Хошен, Ј. И Пелег, С. (2015). “Визуелно учење на аритметички операции, и#x0201D во Зборник на трудови од 30 -та конференција АААИ за вештачка интелигенција, (Феникс, АЗ: АААИ), 3733 �.

Izard, V., Pica, P., Spelke, E. S., and Dehaene, S. (2008). Точна еднаквост и наследничка функција: два клучни концепта на патот кон разбирање на точните броеви. Филос. Психол. 21, 491 �. дои: 10.1080/09515080802285354

Izard, V., Streri, A., and Spelke, E. S. (2014). Кон точниот број: малите деца користат преписка еден-на-еден за мерење на поставениот идентитет, но не и нумеричка еднаквост. Когн. Психол. 72, 27 �. дои: 10.1016/j.cogpsych.2014.01.004

Lakoff, G., and N ú ༞z, R. E. (2000). Од каде доаѓа математиката: Како отелотворениот ум ја внесува математиката во битие. Newујорк, NYујорк: Основни книги.

Ле Коре, М. (2014). Децата го стекнуваат подоцнежниот принцип по кардиналниот принцип. Бр. Dev. Дев. Психол. 32, 163 �. дои: 10.1111/bjdp.12029

LeCun, Y., Bengio, Y., и Hinton, G. E. (2015). Длабоко учење. Природа 521, 436 �. дои: 10.1038/nature14539

Лејбович, Т. и Ансари, Д. (2016). Проблемот со заземјување на симболи во нумеричкото сознание: преглед на теорија, докази и извонредни прашања. Може. J. Exp. Психол. 70, 12 �. дои: 10.1037/cep0000070

Libertus, M. E., Feigenson, L., and Halberda, J. (2011). Предучилишната острина на приближниот броен систем е во корелација со училишната математичка способност. Дев. Наука 14, 1292 �. дои: 10.1111/j.1467-7687.2011.01080.x

Маркус, Г. Ф. (2003). Алгебарски ум: Интегрирање на конекционизмот и когнитивната наука. Кембриџ, М -р: Прес МИТ.

Маркус, Г. Ф. (2018). Длабоко учење: критичка проценка. arXiv: 1801.00631 [Препечаток].

Мартин, А. Е., и Баџо, Г. (2020). Моделирање на значење состав од формализам до механизам. Филос. Транс. Р. Соц. Б Биол. Наука 375: 20190298. дои: 10.1098/rstb.2019.0298

McClelland, J. L., Botvinick, M. M., Noelle, D. C., Plaut, D. C., Rogers, T. T., Seidenberg, M. S., et al. (2010). Дозволувајќи да се појави структура: придружни и динамички системи пристапи кон сознанието. Трендови Ког. Наука 14, 348 �. дои: 10.1016/j.tics.2010.06.002

МекКлоски, М., и Линдеман, А.М. (1992). Mathnet: прелиминарни резултати од дистрибуираниот модел на аритметичко пронаоѓање факти. Советување Психол. 91, 365 �. дои: 10.1016/s0166-4115 (08) 60892-4

Менари, Р. (2015). Математичко сознание —а случај на екултурација. Отворен ум 25, 1 �. дои: 10.15502/9783958570818

Менингер, К. (1992). Броеви зборови и бројни симболи: Културна историја на броеви. Newујорк: Довер Пубс.

Мики, К. В., и МекКеланд, Ј.Л. (2014). Модел на невронска мрежа за учење математичка еквивалентност, и#x0201D во Зборник на трудови од 36 -та годишна конференција на Друштвото за когнитивна наука, (КК, Канада: Когнитивно научно друштво), 1012 �.

Наср, К., Вишванатан, П. и Нидер, А. (2019). Детекторите за броеви спонтано се појавуваат во длабока невронска мрежа дизајнирана за визуелно препознавање објекти. Наука Советување 5: eaav7903. дои: 10.1126/sciadv.aav7903

Неген, Ј. И Сарнечка, Б. В. (2015). Дали навистина постои врска помеѓу знаењето за точен број и приближната острина на бројниот систем кај малите деца? Бр. Dev. Дев. Психол. 33, 92 �. дои: 10.1111/bjdp.12071

N ú ༞z, Р. Е. (2011). Нема вродена бројна бројка во човечкиот мозок. Ј. Крос. Култ. Психол. 42, 651 �. дои: 10.1177/0022022111406097

N ú ༞z, Р. Е. (2017). Дали навистина постои еволуиран капацитет за број? Трендови Ког. Наука 21, 409 �. дои: 10.1016/j.tics.2017.03.005

Оверман, К. А. (2016). Улогата на материјалноста во нумеричкото сознавање. Quat. Интер. 405, 42 �. дои: 10.1016/j.quaint.2015 година.05.026

Оверман, К. А. (2018). Конструирање концепт на број. Ј.Бројник. Когн. 4, 464 �. дои: 10.5964/jnc.v4i2.161

Pezzelle, S., Sorodoc, I.-T., and Bernardi, R. (2018). Споредби, квантификатори, пропорции: модел со повеќе задачи за учење количини од визија, ” во Зборник на трудови од Конференцијата за Здружението за компјутерска лингвистика за 2018 година, (Newу Орлеанс, Лос Анџелес: Здружение за компјутерска лингвистика), 419 �.

Piantadosi, S. T., Tenenbaum, J. B., and Goodman, N. D. (2012). Подигање на јазик на мислата: формален модел на учење на нумерички концепт. Когниција 123, 199 �. дои: 10.1016/ј.сознание.2011.11.005

Пјаца, М. (2010). Неврокогнитивни алатки за стартување за симболични претстави на броеви. Трендови Ког. Наука 14, 542 �. дои: 10.1016/j.tics.2010.09.008

Плат, Ј.Р., и онсон, Д.М. (1971). Локализација на позицијата во хомоген синџир на однесување: ефекти од непредвидени грешки. Научи. Мотив. 2, 386 �. дои: 10.1016/0023-9690 (71) 90020-8

Ритл-Johnsonонсон, Б., Сиглер, Р. С., и Алибали, М. В. (2001). Развивање концептуално разбирање и процедурална вештина во математиката: итеративен процес. Ј. Едуциран. Психол. 93, 346 �. дои: 10.1037/0022-0663.93.2.346

Ручински, М., Кангелоси, А. и Белпеме, Т. (2012). Роботски модел на придонесот на гестот за учење да брои, и#x0201D во Меѓународна конференција IEEE за развој и учење и епигенетска роботика (Сан Диего, Калифорнија, САД: IEEE), 1 𠄶. дои: 10.1109/DevLrn.2012.6400579

Румелхарт, Д. Е., и МекКлеланд, Ј.Л. (1986). Паралелно дистрибуирано процесирање: Истражувања во микроструктурата на сознанието. Том 1: ОсновиНа Кембриџ, М -р: Прес МИТ.

Румелхарт, Д. Е., Смоленски, П., Меклеланд, Ј.Л., и Хинтон, Г. Е. (1986). Шеми и последователни процеси на размислување во моделите на ПДП, и#x0201D во Паралелна дистрибуирана обработка: Истражувања во микроструктурата на сознанието Том 2: Психолошки и биолошки модели eds J. L. McClelland and D. E. Rumelhart (Cambridge, MA: MIT Press), 7 �.

Сарнечка, Б. В., и Кери, С. (2008). Како броењето претставува број: што треба да научат децата и кога ќе го научат. Когниција 108, 662 �. дои: 10.1016/ј.сознание.2008 година.05.007

Сакстон, Д., Грефенстет, Е., Хил, Ф. и Коли, П. (2019). “Анализирање на математичките способности за расудување на нервните модели, ” во Меѓународна конференција за учење репрезентации, (Newу Орлеанс, Лос Анџелес: ICLR), 1 �.

Шмант-Бесерат, Д. (1992). Пред пишување: Од броење до клинесто писмо. Остин, Тексас: Прес на Универзитетот во Тексас.

Schneider, M., Beeres, K., Coban, L., Merz, S., Susan Schmidt, S., Stricker, J., et al. (2017). Асоцијации на несимболична и симболичка нумеричка обработка со математичка компетенција: мета-анализа. Дев. Наука 20: e12372. дои: 10.1111/деск.12372

Searle, J. R. (1980). Умови, мозоци и програми. Однесување. Наука за мозокот. 3, 417 �. дои: 10.1017/S0140525X00005756

Сиглер, Р. С., и enенкинс, Е. (1989). Како децата откриваат нови стратегии. Newујорк, NYујорк: Психологија Прес.

Сребро, Д., Шритвизер, Ј., Симонјан, К., Антоноглу, И., Хуанг, А., Гуез, А., и сор. (2017). Совладување на играта на   Одете без човечко знаење. Природа 550, 354 �. дои: 10.1038/nature24270

Скинер, Б. (1953). Наука и човечко однесување. Newујорк, NYујорк: Мек Милан.

Старки, Г. С. и МекКендлис, Б. Д. (2014). Појавата на нумеричко сознавање на ȁGroupitizing ” кај децата. J. Exp. Дете Психол. 126, 120 �. дои: 10.1016/j.jecp.2014.03.006

Starr, A., Libertus, M. E., and Brannon, E. M. (2013). Бројната смисла во детството ги предвидува математичките способности во детството. Прок. Натл. Акад Наука САД 110, 18116 �. дои: 10.1073/пнас.1302751110

Стојанов, И., и Зорзи, М. (2012). Појава на ȁВизуелна смисла за број ” во хиерархиски генеративни модели. Нат Невролози. 15, 194 �. дои: 10.1038/бр.2996

Сатон, Р. С., и Барто, А. Г. (1998). Учење на засилување. Кембриџ, М -р: Прес МИТ.

Тестолин, А., Долфи, С., Рохус, М., и Зорзи, М. (2019). Перцепција за визуелна бројност кај луѓето и машините arXiv: 1907.06996 [Препечаток].

Тестолин, А., Стојанов, И., и Зорзи, М. (2017). Перцепцијата на буквата произлегува од длабоко учење и рециклирање на карактеристики на природна слика без надзор. Нат Потпевнувам. Однесување. 1, 657 �. дои: 10.1038/s41562-017-0186-2

Тестолин, А. и Зорзи, М. (2016). Веројатни модели и генеративни нервни мрежи: кон унифицирана рамка за моделирање на нормални и оштетени неврокогнитивни функции. Напред. Пресметај Невролози. 10:73. дои: 10.3389/fncom.2016 година.00073

Тестолин, А., Зоу, В. Ј. и МекКлеланд, Ј.Л. (2020). Дискриминација на бројност во длабоки невронски мрежи: почетна компетентност, усовршување на развојот и статистика за искуство. Дев. Наука дои: 10.1111/desc.12940 [Epub пред печатење].

Trask, A., Hill, F., Reed, S., Rae, J., Dyer, C., and Blunsom, P. (2018). Невронски аритметички логички единици. arXiv: 1808.00508 [Препечаток].

Вергутс, Т. и Фијас, В. (2004). Претставување на бројот кај животните и луѓето: нервен модел. C. Коњ. Невролози. 16, 1493 �. дои: 10.1162/0898929042568497

Виготски, Л. С. (1980). Умот во општеството: Развој на повисоки психолошки процеси. Кембриџ, м -р: Универзитетот Харвард печат.

Волшо, М. (2017). Разбирање на математичкиот развој преку Виготски. Рез. Математика. Едуциран. 19, 293 �. дои: 10.1080/14794802.2017.1379728

Вевер, Р. и Рунија, Т. Ф. Х. (2019). Поднесување со варијациски авто -кодирачи. arXiv: 1808.00257 [Препечаток].

Вилки, Е. Д., и Ансари, Д. (2019). Предизвикување на невробиолошката врска помеѓу чувството на број и симболичките нумерички способности. Ен. N Y акад Наука дои: 10.1111/nyas.14225 [Epub пред печатење].

Јаминс, Д. Л. К., и Ди Карло, Ј. Ј. (2016). Користење на модели насочени кон длабоко учење за да се разбере сетилниот кортекс. Нат Невролози. 19, 356 �. дои: 10.1038/бр.4244

Занети, А., Тестолин, А., Зорзи, М., и Вавржински, П. (2019). Застапеност на бројноста во ИнфоГАН: емпириска студија Напредок во компјутерската интелигенција. ИВАН, уредници I. Рохас, Г. Јоја и А. Катала (Шам: Меѓународно издаваштво Спрингер), 49 �.

Haао, С., Рен, Х., Јуан, А., Сонг, Ј., Гудман, Н. и Ермон, С. (2018). Биати и генерализација во длабоки генеративни модели: емпириска студија, ” во 32 -та меѓународна конференција за системи за обработка на невронски информации (Montr ບl, КК: NeurIPS), 10792 �.

Zorzi, M., Stoianov, I., and Umilt à, C. (2005). “Компјутерско моделирање на нумеричко сознание, ” во Прирачник за математичко сознавање, ед. Ј.Кембел (Newујорк, NYујорк: Психологија Прес), 67 �.

Зорзи, М. и Тестолин, А. (2018). Емергентистичка перспектива за потеклото на чувството за број. Филос. Транс. Р. Соц. Б Биол. Наука 373: 20170043. дои: 10.1098/rstb.2017.0043

Зорзи, М., Тестолин, А. и Стојанов, И.П. И. П. (2013). Моделирање јазик и познавање со длабоко учење без надзор: преглед на туториал. Напред. Психол. 4: 515. дои: 10.3389/fpsyg.2013.00515

Клучни зборови: пресметковно моделирање, вештачки нервни мрежи, длабоко учење, чувство на број, заземјување симбол, математичко учење, отелотворено спознавање, материјална култура

Цитат: Тестолин А (2020) Предизвикот за моделирање на стекнување математички концепти. Напред. Потпевнувам. Невролози. 14: 100. дои: 10.3389/fnhum.2020.00.00100

Примено: 13 ноември 2019 година Прифатено: 04 март 2020 година
Објавено: 20 март 2020 година.

Елис Клајн, Универзитет во Т ࿋ingen, Германија

Ксинлин ouоу, Нормален универзитет во Пекинг, Кина
Том Вергутс, Универзитет во Гент, Белгија

Заштитени права © 2020 Тестолин. Ова е напис со отворен пристап дистрибуиран под условите на лиценцата за припишување на Creative Commons (CC BY). Дозволено е користење, дистрибуција или репродукција на други форуми, под услов да се запишат оригиналниот автор (и) и сопственикот (ите) на авторските права и да се цитира оригиналната објава во ова списание, во согласност со прифатената академска практика. Не е дозволена употреба, дистрибуција или репродукција што не е во согласност со овие услови.


Погледнете го видеото: Архитектура финского модернизма (Август 2022).