کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7284008 | 1474031 | 2015 | 15 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Corticostriatal response selection in sentence production: Insights from neural network simulation with reservoir computing
ترجمه فارسی عنوان
انتخاب پاسخ کورتیکواستریاتیک در تولید جمله: بینش شبیه سازی شبکه عصبی با محاسبات مخزن
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تولید حکم، سیستم کورتیکواستریاتال، زبان، مدل، شبکه عصبی،
ترجمه چکیده
تولید زبان نیاز به انتخاب ساختار متن مناسب برای پذیرش هدف ارتباطی بلندگو - انتقال یک معنی خاص دارد. در اینجا ما معانی رویداد را از لحاظ مضامین و نقشهای موضوعی در نظر می گیریم و ما به مسئله می پردازیم که یک رویداد خاص را می توان از دیدگاه های مختلف توصیف کرد، که مشکل انتخاب انتخاب را مطرح می کند. ما یک مدل انتخاب پاسخ در تولید جملات ارائه می دهیم که توسط سیستم کورتیکواستریاتال پریمات الهام گرفته شده است. این مدل در زمینه محاسبات مخزن که مخزن - یک شبکه عصبی مکرر با اتصالات ثابت - به قشر مغز متصل می شود، اجرا می شود و خواندن آن مربوط به استریاتوم است. ما نشان می دهد یادگیری قوی و ویژگی های تعمیم مدل و نشان دادن قابلیت های متقابل زبانی خود را به زبان انگلیسی و ژاپنی. نتایج به این استدلال میپردازند که سیستم کورتیکستریاتال در انتخاب پاسخ در تولید زبان نقش مهمی دارد و به این نکته که محاسبات مخزن یک مدل بالقوه معتبر از پردازش کورتکتواستریاتال است.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علم عصب شناسی
روانپزشکی بیولوژیکی
چکیده انگلیسی
Language production requires selection of the appropriate sentence structure to accommodate the communication goal of the speaker - the transmission of a particular meaning. Here we consider event meanings, in terms of predicates and thematic roles, and we address the problem that a given event can be described from multiple perspectives, which poses a problem of response selection. We present a model of response selection in sentence production that is inspired by the primate corticostriatal system. The model is implemented in the context of reservoir computing where the reservoir - a recurrent neural network with fixed connections - corresponds to cortex, and the readout corresponds to the striatum. We demonstrate robust learning, and generalization properties of the model, and demonstrate its cross linguistic capabilities in English and Japanese. The results contribute to the argument that the corticostriatal system plays a role in response selection in language production, and to the stance that reservoir computing is a valid potential model of corticostriatal processing.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Brain and Language - Volume 150, November 2015, Pages 54-68
Journal: Brain and Language - Volume 150, November 2015, Pages 54-68
نویسندگان
Xavier Hinaut, Florian Lance, Colas Droin, Maxime Petit, Gregoire Pointeau, Peter Ford Dominey,