Loading...
机构名称:
¥ 4.0

这项研究通过最小的认知结构探索了通过语法诱导人类语言获取的认知机制,其简短且灵活的序列记忆是其最中心的特征。我们使用强化学习来识别人工语言中的单词流的句子。的结果证明了该模型可以识别频繁且内容丰富的多字块,重现自然语言获取的特征的能力。该模型成功地导航了不同程度的语言复合体,从而通过重复使用顺序模式来揭示有效的适应性,从而使挑战相结合。帕尔西姆树结构的出现提出了针对识别任务,平衡经济和信息的优化。认知建筑反映了人类记忆系统和决策过程的各个方面,从而增强了其认知能力。该模型在概括和语义表示方面表现出局限性,但其极简主义的性质为语言学习的某些基本机制提供了见解。我们的研究证明了这种简单的体系结构的力量,并强调了序列记忆在语言学习中的重要性。由于其他动物似乎没有忠实的序列记忆,这可能是理解为什么只有人类开发复杂语言的关键。

基于用法的语法诱导最小认知原理

基于用法的语法诱导最小认知原理PDF文件第1页

基于用法的语法诱导最小认知原理PDF文件第2页

基于用法的语法诱导最小认知原理PDF文件第3页

基于用法的语法诱导最小认知原理PDF文件第4页

基于用法的语法诱导最小认知原理PDF文件第5页

相关文件推荐

2022 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2024 年
¥4.0
2019 年
¥1.0
2025 年
¥1.0
2020 年
¥1.0
2023 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2017 年
¥1.0
2022 年
¥9.0
2024 年
¥63.0
2023 年
¥2.0
2020 年
¥1.0
2023 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2025 年
¥2.0
2024 年
¥1.0
1900 年
¥3.0
2024 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0