Активация распространения

редактировать

Активация распространения - метод поиска ассоциативных сетей, биологические и искусственные нейронные сети или семантические сети. Процесс поиска инициируется путем пометки набора исходных узлов (например, концепций в семантической сети) весовыми коэффициентами или «активацией», а затем итеративным распространением или «распространением» этой активации на другие узлы, связанные с исходными узлами. Чаще всего эти «веса» представляют собой реальные значения, которые уменьшаются по мере распространения активации по сети. Когда веса дискретны, этот процесс часто называют прохождением маркера. Активация может происходить из альтернативных путей, обозначенных разными маркерами, и завершаться, когда два альтернативных пути достигают одного и того же узла. Однако исследования мозга показывают, что несколько различных областей мозга играют важную роль в семантической обработке.

Модели активации распространения используются в когнитивной психологии для моделирования эффекта разветвления.

Распространение. активация также может применяться в поиске информации посредством сети узлов, представляющих документы и термины, содержащиеся в этих документах.

Содержание

  • 1 Когнитивная психология
  • 2 Алгоритм
  • 3 Примеры
  • 4 См. Также
  • 5 Примечания
  • 6 Ссылки

Когнитивная психология

Как это связано Согласно когнитивной психологии, распространяющаяся активация - это теория того, как мозг повторяет сеть связанных идей для получения конкретной информации. Теория распространяющейся активации представляет набор концепций в нашей памяти в виде когнитивных единиц, каждая из которых состоит из узла и связанных с ним элементов или характеристик, связанных вместе ребрами. Распространяющаяся сеть активации может быть представлена ​​схематично, в виде веб-диаграммы с более короткими линиями между двумя узлами, что означает, что идеи более тесно связаны и обычно быстрее связываются с исходной концепцией. Для психологии памяти модель активации распространения означает, что люди организуют свои знания о мире на основе своего личного опыта, что означает, что эти личные переживания образуют сеть идей, которая является познанием мира человеком.

Когда слово (цель) предшествует связанное слово (штрих) в задачах распознавания слов, участники, кажется, лучше справляются с тем количеством времени, которое им требуется, чтобы ответить. Например, субъекты быстрее реагируют на слово «доктор», когда ему предшествует «медсестра», чем когда ему предшествует несвязанное слово, например «морковь». Этот эффект семантического прайминга слов, близких по значению в когнитивной сети, был замечен в широком спектре задач, поставленных экспериментаторами, от проверки предложения до лексического решения и наименования.

В качестве другого примера, если оригинальная концепция - «красный», а концепция «транспортных средств» - грунтованная, они гораздо чаще говорят «пожарная машина» вместо чего-то не связанного с транспортными средствами, например «вишня». Если вместо этого загрунтовать «фрукты», они, вероятно, назовут «вишни» и продолжат оттуда. Активация путей в сети имеет прямое отношение к тому, насколько тесно связаны два понятия по значению, а также к тому, как субъект ориентирован.

Алгоритм

Направленный граф заполняется узлами [1... N], каждый из которых имеет ассоциированное значение активации A [i], которое является действительным числом в диапазоне [0,0... 1.0]. Ссылка [i, j] соединяет исходный узел [i] с целевым узлом [j]. Каждому ребру соответствует вес W [i, j], обычно действительное число в диапазоне [0,0... 1,0].

Параметры:

  • Порог срабатывания F, действительное число в диапазоне [0,0... 1,0]
  • Коэффициент затухания D, действительное число в диапазоне [0,0... 1,0]

Шаги:

  1. Инициализировать график, установив все значения активации A [i] на ноль. Установите для одного или нескольких исходных узлов начальное значение активации, превышающее порог срабатывания F. Типичное начальное значение равно 1.0.
  2. Для каждого неиспользуемого узла [i] в ​​графе, имеющего значение активации A [i] больше чем порог срабатывания узла F:
  3. Для каждой Связи [i, j], соединяющей исходный узел [i] с целевым узлом [j], настройте A [j] = A [j] + (A [i ] * W [i, j] * D), где D - коэффициент затухания.
  4. Если целевой узел получает корректировку своего значения активации так, чтобы оно превышало 1,0, тогда установите его новое значение активации на 1,0. Аналогичным образом сохраните 0,0 в качестве нижней границы значения активации целевого узла, если он получит корректировку ниже 0,0.
  5. После запуска узла он может больше не запускаться, хотя варианты основного алгоритма допускают повторные запуски и циклы через график.
  6. Узлы, получившие новое значение активации, превышающее порог срабатывания F, помечаются для срабатывания в следующем цикле активации расширения.
  7. Если активация исходит от более чем одного узла, вариант алгоритма разрешает прохождение маркера для различения путей, по которым активация распространяется по графу
  8. Процедура завершается, когда либо больше нет узлов для запуска, либо в случае прохождения маркера из нескольких источников, когда узел достигается более чем с одного пути. Варианты алгоритма, которые разрешают повторные запуски узлов и циклы активации в графе, завершаются после достижения устойчивого состояния активации относительно некоторой дельты или при превышении максимального количества итераций.

Примеры

В В этом примере активация распространения возникла в узле 1, который имеет начальное значение активации 1,0 (100%). Каждая ссылка имеет одинаковое значение веса 0,9. Коэффициент распада 0,85. Произошло четыре цикла активации распространения. Цветовой оттенок и насыщенность указывают на разные значения активации.

См. Также

Примечания

  1. ^Каралин Паттерсон, Питер Дж. Нестор и Тимоти Т. Роджерс: «Откуда вы знаете то, что знаете? семантическое знание в человеческом мозге »[1]
  2. ^ Collins, Allan M.; Лофтус, Элизабет Ф. (1975). «Теория распространения-активации семантической обработки». Психологический обзор. 82 (6): 407–428. doi : 10.1037 / 0033-295X.82.6.407. ISSN 0033-295X.
  3. ^ Андерсон, Джон Р. (1983). «Распространяющаяся теория активации памяти». Журнал вербального обучения и вербального поведения. 22 (3): 261–295. DOI : 10.1016 / S0022-5371 (83) 90201-3. ISSN 0022-5371.
  4. ^С. Прис, распространяющаяся сетевая модель активации для поиска информации. Докторская диссертация, Университет Иллинойса, Урбана-Шампейн, 1981.
  5. ^Фабио Крестани. «Применение методов активации распространения в поиске информации». Обзор искусственного интеллекта, 1997
  6. ^Chwilla, Dorothee J.; Хагоорт, Питер; Браун, К.М., «Механизм, лежащий в основе обратного прайминга в задаче лексического принятия решения: распространение активации против семантического соответствия», Ежеквартальный журнал экспериментальной психологии, 1998, 51A (3), 531-560 [2]
  7. ^Boosting поиск по ключевым словам с распространением активации Aswath, D.; Ахмед, S.T.; Dapos; cunha, J.; Давулку, Х., Web Intelligence, 2005. Труды. Международная конференция IEEE / WIC / ACM 2005 г., том, выпуск, 19–22 сентября 2005 г. Страница (и): 704 - 707

Список литературы

  • Нильс Дж. Нильссон. «Искусственный интеллект: новый синтез». Morgan Kaufmann Publishers, Inc., Сан-Франциско, Калифорния, 1998 г., стр. 121-122
  • Родригес, Массачусетс, «Грамматические случайные блуждания в семантических сетях», Системы, основанные на знаниях, 21 (7), 727-739, doi : 10.1016 / j.knosys.2008.03.030, 2008.
  • Каралин Паттерсон, Питер Дж. Нестор и Тимоти Т. Роджерс «Откуда вы знаете то, что знаете? Представление семантических знаний в человеческом мозгу», Nature Reviews Neuroscience 8, 976-987 (декабрь 2007 г.)
Последняя правка сделана 2021-06-09 03:47:50
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте