XiaoMi-AI文件搜索系统
World File Search System语义记忆
语义记忆：方法，模型和当前挑战的评论
抽象的成人语义记忆传统上被概念化为一个相对静态的记忆系统，该系统由有关世界，概念和符号的知识组成。在过去的几十年中，大量工作挑战了这种语义记忆的静态观点，而是提出了一个更加流畅和灵活的系统，该系统对环境中的上下文，任务需求以及感知和感觉运动信息敏感。本文（1）在网络（基于自由关联），特征（基于财产生成规范）和分布语义（基于自然语言的公司）模型（基于自然语言）模型的网络（基于自由关联）的范围内回顾了传统和现代的计算模型，（2）讨论了这些模型对知识代表的重要辩论（当地的vs. vs. vs. erroriant vs. erroriant vs.）的贡献（学习）和（3）评估现代计算模型（神经网络，基于检索和主题模型）如何重新审查语义记忆的传统“静态”概念化，并在语义建模中解决语义模型中的重要挑战，例如解决时间，上下文和注意力的影响，以及将接地和组成纳入语义表现形式。该评论还确定了有关数据的可怕和可用性的新挑战，语义模型对其他语言的概括以及社会互动和协作在语言学习和发展中的作用。总结部分提倡将语义记忆的代表性叙述与基于过程的认知行为的说明以及在语义任务中的人类基线的明确比较，以充分评估其心理合理性作为人类语义记忆的模型。
基于大脑连通性的现实生活创造力预测由语义记忆结构介导
创造力的联想理论认为，创造性认知涉及产生远距离联想的能力，以及在语义记忆中不相关的概念之间建立有用联系的能力。然而，现实生活中的创造性行为是否以及如何依赖于语义记忆结构及其神经基础仍不清楚。我们在参与者接受语义相关性判断任务时获取了多回波功能磁共振成像数据。这些评级用于估计他们各自的语义记忆网络，其属性可显著预测他们现实生活中的创造力。使用连接组预测建模方法，我们确定了基于任务的功能连接模式，这些模式可预测与创造力相关的语义记忆网络属性。此外，这些属性介导了功能连接与现实生活中的创造力之间的关系。这些结果为大脑连接模式如何通过语义记忆结构支持现实生活中的创造性行为提供了新的见解。我们还展示了如何使用计算网络科学来结合行为、认知和神经层面的分析。
11 年级心理学；大脑和神经心理学
目的：研究情景记忆是否产生与语义记忆不同的血流模式 方法：六名参与者注射了放射性金。使用 PET 扫描监测血流 结果：6 名患者中有 3 名的血流不同 语义记忆在后皮质，情景记忆在前皮质 结论：情景记忆和语义记忆是局部的 记忆有生物学基础
人机交互（HCI）讲座（3）第四讲
C. 长期记忆 LTM 在很多方面与 STM 不同。它具有无限的容量，访问时间很慢，遗忘发生得更慢或根本不发生。信息通过排练从 STM 存储在这里。LTM 有两种类型：情景记忆和语义记忆。情景记忆以序列形式表示我们对事件和经历的记忆。语义记忆是我们从情景记忆中获得的事实、概念和技能的结构化记录。与 LTM 相关的主要活动有 3 种：信息存储、遗忘和信息检索。
张量脑：感知、记忆和语义解码的统一理论
我们提出了一个关于代理感知和记忆的统一计算理论。在我们的模型中，感知和记忆都是通过符号索引层和亚符号表示层之间振荡交互的不同操作模式实现的。这两层形成一个双层张量网络 (BTN)。索引层对概念、谓词和情景实例的索引进行编码。表示层广播信息并反映认知大脑状态；它是作者所称的“心理画布”或“全局工作空间”的模型。作为感知输入和索引层之间的桥梁，表示层通过其亚符号嵌入实现索引的基础，这些嵌入被实现为连接两个层的连接权重。大脑是一个采样引擎：只有激活的索引才会传达给大脑的其余部分。虽然记忆似乎与过去有关，但其主要目的是支持代理的现在和未来。最近的情景记忆为代理提供了此时此地的感觉。远程情景记忆检索相关的过去经验，以提供有关可能的未来情景的信息。这有助于代理做出决策。基于预期未来事件的“未来”情景记忆指导计划和行动。语义记忆检索当前感知未提供的特定信息，并为未来的观察定义先验。我们的方法解释了情景记忆和语义记忆之间的巨大相似性：语义记忆模拟未来实例的情景记忆。我们分析情景记忆和语义
通用人工智能程序合成语言Pro5Lang的情景记忆机制
我们设计了一种陈述性记忆机制，它尽可能与神经科学和认知科学的发现保持一致，同时不违反证明合理性的数学逻辑要求。其主要特点如下。 寄存器和内容可寻址存储器中存储的值仅限于已证明的命题。由于信息处理的最小单位（一个已被证明的命题）有自足的意义，记忆管理（比如忘记不必要的知识）就变得更容易。另一个优点是，即使在合成过程中执行不完整的程序，数据结构也不太可能崩溃。由于程序执行的顺序也将变得更加灵活，因此在时间允许的情况下规划未来的行动将变得更加容易。 每次进行推理时，都会自动将已证明的命题添加到已证明命题集合中，即将信息写入联想记忆机制。目的是减轻程序负担，提高程序综合的性能。 我们计划提供两种类型的陈述性知识回忆：自动回忆和主动回忆。 （目前仅实现了主动回忆。）事件回忆并不涉及重现某一特定时刻大脑的整个内部状态，而是仅重现一个已证实的命题。这使得信息处理能够实现，例如从一个命题推断另一个命题。 回忆陈述性知识的机制也被设计成不破坏证明的合理性（第 3.7 节）。 陈述性知识分为证实命题（情景记忆）和语义记忆。 Pro5Lang 中的语义记忆是多个已证明命题的压缩和抽象版本，旨在使用 [5]2 中描述的方法通过归纳推理来获取。 （然而，在当前的实现中，语义记忆也是从一开始就手动提供的。）由于存在过度概括和获取不正确的语义记忆的可能性，因此有必要提供单独的机制来选择和忘记不正确的语义记忆。这将在第 5 节中讨论。 由于记忆空间有限，即使正确的陈述性知识也会被适当地遗忘。即使不时随机选择和删除已证明命题集合中的元素，图 2 和 Pro5Lang 中的算法也不会失去健全性。然而，证明可能需要更长的时间并且可能变得越来越难以完成。为了避免降低证明的效率，需要使用一些启发式方法来选择需要遗忘的知识。 （目前实施中尚未采取此类措施。）
Pro5Lang，一种用于通用人工智能的程序合成语言...
参考：《声明性记忆与非声明性记忆-神经科学词典》https://bsd.neuroinf.jp/wiki/ 声明性记忆与非声明性记忆《什么是语义记忆-Kotobank》，出处：大英国际百科全书大英国际百科全书https://kotobank.jp/word/%E6%84%8F%E5%91%B3%E8%A8%98%E6%86%B6-164928
睡眠中脑活动的神经调节及其对...
图1。不同的内存系统。记忆可以细分为两个主要类别，即声明性，明确的海马依赖性和非声明性的，隐式的海马独立记忆。这两个主要概念可以进一步指定：情节记忆是指与特定时空上下文相关的所有存储记忆，而语义记忆包括所有概念和知识，并独立于精确的上下文指标同化。的程序记忆技巧意味着长期学习运动和认知能力，涉及感知表征的启动，代表刺激和条件反应之间所有关联的条件以及反射非缔合性学习，包括习惯和敏感性，都被视为隐式记忆子类别。改编自Stickgold（2005）。
默认模式网络 20 年：回顾与总结
默认模式网络 (DMN) 的发现彻底改变了我们对人类大脑运作方式的理解。在这里，我回顾了导致发现 DMN 的发展，提出了个人反思，并思考了我们对 DMN 功能的认识在过去二十年中是如何演变的。我总结了研究 DMN 在自我参照、社会认知、情景和自传体记忆、语言和语义记忆以及走神方面的作用的文献。我确定了统一的主题并提出了关于 DMN 在人类认知中的作用的新观点。我认为 DMN 整合并传播记忆、语言和语义表征，以创建一个反映我们个人经历的连贯的“内部叙事”。这种叙事对于构建自我意识至关重要，塑造了我们如何看待自己和与他人互动，可能在儿童时期的自我导向言语中具有个体发生起源，并构成了人类意识的重要组成部分。
多分散性比（PDR）及其对...
隐性认知可能参与特定互联网使用障碍（例如有问题的社交网络使用（PSNU））的开发和维护。更详细地，隐性态度，注意力偏见，方法和回避倾向以及语义记忆关联在PSNU的背景下被认为是相关的。本观点文章总结了有关PSNU中隐性认知的可用文献。我们根据靶向搜索策略从PubMed，Scopus，Scopus，Science和Proquest数据库中系统地回顾了隐性认知文章，并使用预定义的包含和排除标准进行了评估。目前的发现表明，特定的隐式认知在PSNU的背景下很重要，因此与其他成瘾行为相似。但是，经验证据仅限于有关该主题的一些研究。应在未来工作中的其他情感和认知机制中更深入地探讨PSNU中的隐性认知。