机构名称：
¥ 1.0
语言影响认知和概念处理，但这种因果效应在人脑中实现的机制仍然未知。在这里，我们使用一个受大脑约束的类别形成和符号学习的深度神经网络模型，并在神经回路层面分析新兴模型的内部机制。在一组模拟中，向网络展示了类似的神经活动模式，这些模式对属于同一类别的对象和动作实例进行索引。生物学上真实的赫布学习导致形成分布在网络多个区域的实例特定神经元，此外，还形成响应所有类别实例的“共享”神经元的细胞组装回路——网络与概念类别相关。在两组独立的模拟中，网络学习了相同的模式以及单个实例的符号[“专有名称” (PN)]或与具有共同特征的实例类别相关的符号[“类别术语” (CT)]。学习专有名词显著增加了网络中共享神经元的数量，从而使类别表征更加稳健，同时减少了特定实例神经元的数量。相反，专有名词学习可以防止特定实例神经元的大幅减少，并阻止类别一般神经元的过度生长。表征相似性分析进一步证实，与使用 PN 和不使用任何符号的学习相比，类别术语学习后类别实例的神经活动模式变得更加相似。实验研究表明，这些基于网络的概念、PN 和专有名词机制解释了符号学习为何以及如何改变物体感知和记忆。
大脑限制的深度神经网络研究
主要关键词
相关文件推荐
