Исследование перемещения окна 7 Исследование границ 8 Возвращаемся к внешней форме слова 10 Моделирование нейронных сетей 12 - umotnas.ru o_O
Главная
Поиск по ключевым словам:
Похожие работы
Название работы Кол-во страниц Размер
Лабораторная работа №6 Моделирование границ зерен в металлах 1 141.95kb.
Нейросетевое моделирование когнитивных функций мозга: обзор основных... 2 524.06kb.
Введение в архитектуру нейронных сетей и алгоритм обратного распространения 1 340.47kb.
Экзаменационный билет №1 по курсу теория игр. Исследование операций. 1 84.18kb.
Численное моделирование тепло-гидравлических режимов трубопроводных... 1 15.96kb.
Содержательные основания выделения границ Интернет-сетей 1 337.32kb.
Метод обучения персептрона 1 56.01kb.
С. Короткий. Нейронные сети: основные положения 1 119.79kb.
Джидду Кришнамурти Традиция и революция 27 3189.52kb.
Исследование модели децентрализованной структурированной p2p сети... 1 114.29kb.
Автоматическая обработка естественного языка с помощью искусственных... 1 59.09kb.
Компетентностном формате 1 88.21kb.
Викторина для любознательных: «Занимательная биология» 1 9.92kb.

Исследование перемещения окна 7 Исследование границ 8 Возвращаемся к внешней форме - страница №3/4

Возвращаемся к внешней форме слова


До сих пор я представлял здесь факты в поддержку модели распознавания слова; факты, противоречащие модели последовательного распознавания слова; и данные о движении глаз, которые противоречат модели внешней формы слова, поддерживая в то же время модель параллельного буквенного распознавания. В этом разделе я повторно исследую данные, которые использовались в поддержку модели внешней формы слова, чтобы проверить, является ли она неконгруэнтной по отношению к модели параллельного буквенного распознавания.

Самое мощное свидетельство в пользу модели внешней формы слова — это, пожалуй, эффект превосходства слова, который демонстрирует, что буквы могут быть точно распознаны быстрее в контексте слова, чем по отдельности; например, участники эксперимента были более точны в узнавании буквы D в контексте слова WORD, чем в контексте несуществующего слова ORWD (Reicher, 1969). Это свидетельствует в пользу модели внешней формы слова, т. к. читатель скорее распознаёт знакомый облик слова и логически приходит к выводу о присутствии заданной буквы в слове после окончания демонстрации символов, тогда как несуществующее слово может быть прочитано только по буквам. Мак-Клелланд и Джонсон (McClelland & Johnson, 1977) продемонстрировали, что более вероятной причиной проявления эффекта превосходства слова является не узнавание внешней формы, а существование регулярных буквенных комбинаций. Псевдослова не являются словами английского языка, но составлены по фонетическим законам, что позволяет легко их произносить. Слова mave и rint — два примера псевдослов. Поскольку псевдослова не имеют смыслового содержания и читателю раньше не встречались, их форма читателю незнакома. Мак-Клелланд и Джонсон обнаружили, что буквы распознаются быстрее в контексте псевдослов (mave), чем в контексте несуществующих слов (amve). Это доказывает, что эффект превосходства слова обусловлен регулярными комбинациями букв, а не внешней формой слова.

Самое слабое свидетельство в поддержку внешней формы слова то, что текст, написанный строчными буквами, читается быстрее текста, написанного заглавными буквами. Это всецело вопрос практики. Большинство людей имеют опыт чтения текстов, написанных преимущественно строчными буквами, поэтому и качество чтения таких текстов у них высокое благодаря практике. Если человека заставить читать большое количество текстов, написанных заглавными буквами, его скорость чтения постепенно увеличится до уровня скорости чтения обычных текстов, т. е. написанных строчными буквами. Даже при чтении зеркального отражения текстов с практикой возможно увеличение скорости чтения (Kolers & Perkins, 1975).

Габер и Шиндлер (Haber & Schindler, 1981) заметили, что читатели пропускают в два раза больше ошибок в заданиях по корректуре текста, если ошибка не приводит к изменению внешней формы слова (tesf, 13 % пропусков), чем когда ошибка приводит к изменению внешней формы слова (tesc, 7 % пропусков). Этот результат выглядит убедительным до тех пор, пока вы не начинаете понимать, что разрушается и форма слова, и форма буквы. В ходе исследования сравнивались ошибки, которые приводили к изменению и внешней формы слова, и формы буквы, с ошибками, которые не приводили ни к изменению внешней формы слова, ни к изменению формы буквы. Паап, Ньюсом и Ноэль (Paap, Newsome & Noel, 1984) определили соотношение значимости внешней формы слова и формы буквы и выяснили, что в целом этот эффект обуславливается формой буквы.

Рис. 10 представляет пример слова than в каждом из четырех вариантов: замена буквы при одинаковой и разной внешней форме слова и при одинаковой и разной форме буквы.


than

Одинаковая внешняя форма слова

Разная внешняя форма слова

Одинаковая форма буквы

tban
15 % пропущенных ошибок

tnan
19 % пропущенных ошибок

Разная форма буквы

tdan
8 % пропущенных ошибок

tman
10 % пропущенных ошибок

Рис. 10. Влияние внешней формы слова и формы буквы на количество пропущенных ошибок при корректуре текста

Как у Габера и Шиндлера, участники исследования пропускали ошибку в случае с одинаковой внешней формой слова и одинаковой формой буквы (tban, 15% пропусков) гораздо чаще, чем в случае с разной внешней формой слова и разной формой буквы (tman, 10% пропусков). Два промежуточных варианта с разной внешней формой слова при одинаковой форме буквы (tnan, 19% пропусков) и с одинаковой внешней формой слова при разной форме буквы (tdan, 8% пропусков) являются разъясняющими. Статистически доказано, что количество пропущенных ошибок при корректуре текста значительно больше, когда форма букв одинаковая (tban и tnan), по сравнению с вариантами, когда форма букв разная (tdan и tman). В то же время не существует статистически доказанной разницы между вариантами с одинаковой внешней формой слова (tban и tdan) и разной формой слова (tnan и tman), больше ошибок пропускается в варианте с разной формой слова. Эта тенденция противоречит выводам более ранних исследований.

Последним свидетельством в подтверждение модели внешней формы слова является то, что текст, написанный частично строчными, частично заглавными буквами (AlTeRnAtInG), читается медленнее, чем текст, написанный либо только строчными, либо только заглавными буквами. Этот фактор поддерживает модель внешней формы слова, так как читатель способен быстро узнать знакомый паттерн слова, написанного целиком строчными/заглавными буквами, тогда как слово, написанное попеременно строчными/заглавными, имеет совершенно нестандартную внешнюю форму. Адамс (Adams, 1979) опроверг данное утверждение, исследуя влияние написания вперемежку строчными и заглавными как на слова, которые, будучи написаны нормальными строчными/заглавными буквами, должны иметь знакомые читателю паттерны, так и на псевдослова, которые не должны иметь знакомые паттерны в любой форме, т. к. читатель никогда раньше не встречал такую последовательность букв. Адамс обнаружил, что как слова, так и псевдослова одинаково подвергаются искажению чередованием строчных и заглавных букв. Значит, причиной данного эффекта является не внешняя форма слова.

Дальнейшие исследования выявили, что аргументация в пользу модели внешней формы слова не так убедительна, как это выглядело раньше. Эффект превосходства слова обусловлен последовательностью букв, а не внешней формой слова. Текст, написанный строчными буквами, читается быстрее текста, написанного заглавными буквами, благодаря практике. Схожесть формы букв влечет за собой большее количество пропущенных ошибок при корректировании текста, нежели схожесть внешней формы слов. И на скорость чтения псевдослов также влияет попеременное написание строчными/заглавными буквами. Все эти открытия скорее поддерживают модель параллельного буквенного распознавания, чем модель внешней формы слова.

В следующем разделе я опишу активную область исследований в рамках модели параллельного буквенного распознавания. В этих рамках существует множество моделей чтения, но в одной статье невозможно описать их все. Моделирование нейронных сетей, которое иногда называют связующим моделированием или параллельной распределенной обработкой, имеет особое значение для понимания процессов чтения.

Моделирование нейронных сетей


При моделировании нейронных сетей мы применяем простые, низкоуровневые механизмы мозга, которые, как известно, используются мозгом для моделирования сложного поведения человека. Два следующих основных биологических принципа известны уже достаточно давно. Мак-Калок и Питтс (McCulloch & Pitts, 1943, 1947) показали, что нейроны суммируют данные, полученные от других нейронов. На рис. 11 изображено крошечное двухмерное поле нейронов (темные треугольники) и, что более важно, множество входных и выходных соединений для каждого нейрона. По современным оценкам каждый нейрон в коре головного мозга имеет 4000 синапсов (мест соединения нейронов. — Примеч. ред.). Каждый синапс имеет базовый уровень связи между нейронами и может либо повышать этот уровень, что означает возбуждение, либо понижать, что означает торможение. (Соответственно различают возбуждающие и тормозящие синапсы. — Примеч. ред.) Когда нейрон получает больше возбуждающей, чем тормозящей информации, он становится активным. Второй основой биологический принцип таков: процесс обучения основан на модификации синаптических связей (Hebb, 1949). Когда от синапса поступает важная информация, связь между двумя нейронами становится физически сильнее, а когда информация от другого синапса менее важна, синапс ослабевает или вообще умирает.


Рис. 11. Поле нейронов и синапсов в коре головного мозга

Первой широко известной моделью чтения, созданной путем моделирования нейронных сетей, была интерактивная модель активации Мак-Клелланда и Румельхарта (McClelland & Rumelhart, 1981). Рис. 12 изображает схематически, как эта модель работает. Читатель обрабатывает букву T на первой позиции в слове. Поток информации здесь начинает поступать снизу, где расположены визуальные определители элементов буквы. Два знака слева активны, т. к. они соответствуют элементам заглавной буквы Т, тогда как три знака справа не активны, т. к. не соответствуют элементам буквы. Каждый знак на уровне визуальных определителей элементов связан с каждым знаком на уровне определителей буквы. Буквы, которые мы здесь видим, относятся только к первой букве слова. Связи между уровнем визуальных определителей элементов и буквенным уровнем являются либо возбудительными (представлены стрелочками на конце соединения), либо тормозящими (представлены кружочками на конце соединения). Буквы А, Т и S получили возбудительную активацию от двух левых определителей элементов букв, т. к. все три имеют перекладину на верхушке (по крайней мере, в том шрифте, что использован на рисунке). Тормозящие связи между каждой из этих букв приводят к тому, что буква Т имеет самую высокую степень активации, т. к. здесь мы видим самый большой приток возбудительной активации. Элементы буквы T отправят затем возбудительную активацию ко всем словам, которые начинаются с буквы T, и тормозящую активацию — ко всем другим словам. Когда элементы слова получают сигнал активации, они посылают тормозящую активацию ко всем другим словам, возбудительная активация возвращается к элементам буквы от букв, из которых состоит слово, и тормозящая активация — ко всем другим буквенным элементам. Буквы, расположенные не на первой позиции, нужны для распознавания того, какое именно слово, начинающееся с буквы Т, читается в данный момент.




Рис. 12. Интерактивная модель активации Мак-Клелланда и Румельхарта: несколько элементов, соседствующих с элементом буквы Т, находящейся на первой позиции в слове, и их взаимосвязи

Одно из преимуществ моделирования нейронных сетей заключается в том, что оно достаточно точное, что позволяет программировать его на компьютере и тестировать. Интерактивная модель активации объясняет даже то поведение человека, для которого она не была специально создана. Например, если человеку показать поврежденные символы, как на рис. 13, он с легкостью определит, что поврежденное слово — WORK, но и компьютерное моделирование данной модели также может решить эту задачу.




Рис. 13. Это поврежденное изображение человек легко прочитает как WORK.

Компьютерное моделирование не претендует на решение проблем визуального восприятия, оно, скорее, указывает, какой из визуальных элементов задействован для каждой буквенной позиции. Из компьютерного моделирования следует, что четвертой позиции соответствует вертикальная линия слева, перекладина в середине и диагональ, направленная вниз и вправо. Рис. 14 и 15 показывают уровни активации определенных элементов буквы и слова по прошествии времени.





Рис. 14. Уровень активации по прошествии времени для буквенных элементов на четвертой позиции в слове

Время в компьютере измеряется в периодах активации. Рис. 14 показывает начальный этап активации, равно восходящей к элементам букв k и r. Это происходит потому, что визуальная информация поддерживает обе эти буквы, тогда как элементы буквы d остаются без поддержки. На первом этапе элементы буквы получают активацию только от визуальных определителей, но позже активация обеспечивается элементами слова.

Рис. 15 показывает активацию на примере четырех слов: work, word, weak и wear.



Рис. 15. Уровень активации по прошествии времени для элементов слова

Поскольку первые три буквы слова не искажены, буквенные элементы с легкостью распознаются как буквы w, o и r для первых трех позиций соответственно. Эти буквы обеспечивают первичную активацию для слов work и word, но не для слов weak и wear. Затем элементы слова начинают возвращать активацию обратно на уровень буквенных элементов, указывая, что четвертая буква должна быть k или d. Так как k — уже активный буквенный элемент, тогда как d — неактивный, элемент k усиливается далее. Это позволяет букве k и слову work продолжать активацию и посылать тормозящую активацию к своим соперникам, букве r и слову word. Подобные паттерны активации также могут объяснить эффект превосходства слова.



<�…>
<< предыдущая страница   следующая страница >>