类人概念学习计算模型研究
文献类型:学位论文
作者 | 王寓巍![]() |
答辩日期 | 2022-12 |
文献子类 | 博士 |
关键词 | 类脑脉冲神经网络 类人概念学习 多感觉融合 文本衍生表征 |
英文摘要 | 概念有各种各样的形式和内容,体现了我们对世界的大部分认识,是人类思 想的基石,也是将我们精神世界维系在一起的粘合剂。概念学习是人类认知的基 本组成部分,在分类、推理、记忆、学习和决策等心理过程发挥着至关重要的作 用。长期以来,关于人类是如何进行概念学习的这一问题,引起了各个领域研究 学者的关注。本文通过综述概念学习的计算神经科学与认知心理学的相关研究, 梳理出人类进行概念学习的三元结构网络,即概念在大脑中的表征主要由两部 分构成:侧重环境交互的多感觉表征与侧重语言信息的文本衍生表征,两种表征 通过语义控制系统进行协调,进而最终习得概念。受这一机制的启发,本文基于 类脑脉冲神经网络模型,对三元结构网络中的每个子模块分别进行建模,构建类 人的概念学习计算模型。具体而言,工作主要通过以下几部分进行: 为了解决类人概念学习计算模型的数据输入问题,本文首先讨论了认知心 理学家基于具身理论提出的概念多感觉表征与计算语言学家基于分布式假说利 用大规模语料训练而获得的文本衍生表征。通过四个实验,使用统计分析的方法 验证了这两类数据与人类认知能够很好地吻合及作为模型输入的可行性。这四 组统计实验,表明 1)对于相同的概念,两种形式的表征均能较好地反应概念本 身,但 2)表征相似分析的结果显示,两种概念表征之间存在着明显差异,3)对 于有不同具体度的概念而言,具体度越大,多感觉概念表征比文本衍生概念表征 更接近人类,4)也证明了将概念的两类表征相结合能够更好地完善概念学习的 效果。 依照人类进行概念学习的三元结构网络中的多感觉经验系统模块,本文借 助多感觉表征和类脑脉冲神经网络算法,构建多感觉融合的概念学习框架,实现 多种感觉信息的融合。该部分工作可以利用概念的这五种类型的感知强度(视 觉、听觉、触觉、味觉、嗅觉),生成多感觉融合的概念表征。考虑到不同的认 知心理学理论,该框架有两种范式,关联融合与独立融合,分别对应融合前各模 态之间是否是独立的假设。实验说明,多感觉融合的概念表征比原始未融合的概 念表征更接近人类,进一步地,系统分析了两类范式的异同,并验证了这个框架 的通用性。该部分的工作实现了多感觉信息的建模,完成了多感觉融合信息的脉 冲分布矩阵表示,是类人概念学习计算模型的重要组成部分。 最后,围绕人类进行概念学习的三元结构网络,完成了语言支撑模块和语义 控制系统的建模。前者依托概念的文本衍生表征生成脉冲分布矩阵,与以上的多 感觉融合框架相结合,进行空间协同与时序协同,实现语义控制系统的建模,并 生成类人的概念表征。借助类脑脉冲神经网络算法,实现了两种不同源信息在空 间尺度和时间尺度的协同,解决了概念的两类表征不同源、维度不均衡的问题, 生成了类人的概念表征,并在相似概念的测试中得到了更接近人类的表征。还进 一步地对模型参数进行了相关分析。 本文围绕概念学习的类人机制展开研究,系统分析模型所需的与人类认知 相近的概念表征数据集,并类脑基于脉冲神经网络进行整体模型的构建,实现了 概念多感觉表征与文本衍生表征的协同,生成了更接近人类认知的表征。 |
语种 | 中文 |
页码 | 118 |
源URL | [http://ir.ia.ac.cn/handle/173211/57329] ![]() |
专题 | 类脑智能研究中心_类脑认知计算 毕业生_博士学位论文 |
推荐引用方式 GB/T 7714 | 王寓巍. 类人概念学习计算模型研究[D]. 2022. |
入库方式: OAI收割
来源:自动化研究所
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。