Simultaneous segmentation and generalisation of non-adjacent dependencies from continuous speech

یادگیری زبان نیاز به تسلط بر چندین وظیفه دارد، از جمله تقسیم کردن گفتار به شناسایی کلمات و یادگیری نقش نحوی این کلمات در جملات. یک سوال کلیدی در تحقیق در مورد کسب دانش، این است که آیا این وظایف پیوسته یا پیوسته است یا خیر، و در نتیجه این که آیا آنها ممکن است توسط محاسبات متمایز یا مشابه هدایت شوند. ما یک پارادایم آموزش زبان مصنوعی مصنوعی را کشف کردیم، جایی که ساختار زبان از لحاظ وابستگی های غیر مجاز تعریف شده است. ما نشان می دهیم که شرکت کنندگان می توانند از همان اطلاعات آماری در همان زمان برای جداسازی سخنرانی دائمی برای هر دو کلمات شناسایی و تعمیم دادن بیش از ساختار استفاده کنند، در حالی که تعاریف بیش از سخنرانی جدیدی بودند که شرکت کنندگان قبل از آن تجربه نکرده بودند. ما پیشنهاد می کنیم که در نبود شواهد خلاف، توضیح اقتصادی ترین اثرات این است که تقسیم گفتار و تعمیم گرامری وابسته به مکانیسم های مشابه پردازش آماری است.