婴儿口语词识别中词汇竞争的神经网络的模型
计算与语言
2020-06-02 v1 机器学习
神经元与认知
摘要
视觉世界研究表明，在包含相关与无关物品的目標缺失视觉情境中听到一个词时，幼儿和成人会先将目光短暂投向语音相关物品，然后才转向语义与视觉相关物品。我们提出一个神经网络模型，该模型处理动态展开的语音表征，并将其映射到静态的内部语义与视觉表征。该模型在源自真实语料库的表征上训练，模拟了这种早期的语音优先于语义/视觉的偏好。我们的结果支持如下假设：口语词的增量展开本身足以解释对语音竞争项相对于无关项以及语义和视觉相关项的短暂偏好。以自下而上方式动态映射到语义-视觉表征的语音表征，捕捉了视觉世界任务中报告的早期语音偏好效应。在此类试次后期观察到的语义-视觉偏好，并不需要来自语义或视觉系统的自上而下反馈。
引用
@article{arxiv.2006.00999,
title = {A Neural Network Model of Lexical Competition during Infant Spoken Word Recognition},
author = {Mihaela Duta and Kim Plunkett},
journal= {arXiv preprint arXiv:2006.00999},
year = {2020}
}