論文の概要: Modeling bilingual naming performance through laterally-connected SOMs

• arxiv url: http://arxiv.org/abs/2610.24275v1
• Date: Fri, 16 Oct 2026 22:11:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:41:35.884011
• Title: Modeling bilingual naming performance through laterally-connected SOMs
• Title（参考訳）: 側方接続SOMによるバイリンガル命名性能のモデル化
• Abstract要約: BiLexはバイリンガル辞書の計算モデルであり、共有意味体系と自己組織化マップを通して表現される音声言語システムを含んでいる。 本研究では、BiLexを興奮性および抑制性側方接続による生物学的リアリズムへと拡張した。 その結果,本手法はバイリンガル語彙アクセスにおける意味レベルの過程を捉え,個々の被験者の意味認知をモデル化した。
• 参考スコア（独自算出の注目度）: 7.891712314989178
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational models have explanatory power to understand cognition in individuals, but there is usually not enough training data to build such models with traditional machine learning. However, alternative architectures that model neural and cognitive processes in more detail can be more easily fit to individuals and can lead to mechanistic insights into human behavior. BiLex is such a computational model of the bilingual lexicon, containing a shared semantic system and phonetic language systems represented through self-organizing maps. In this study, BiLex was extended further into biological realism with excitatory and inhibitory lateral connections. This extension makes it possible to account for response times as well as common errors such as those based on semantic concept familiarity, typicality, and specificity. The Boston Naming Test was simulated in Spanish and English, and model performance approximated naming accuracy and error types in Spanish-English bilinguals with varying primary and secondary language histories. The results indicated that the approach captures semantic-level processes in bilingual lexical access, thus modeling the semantic cognition of individual subjects. In the future, such models may serve as a foundation for modeling impairments and treatment options.
• Abstract（参考訳）: 計算モデルは個人の認知を理解するための説明力を持っているが、従来の機械学習でそのようなモデルを構築するのに十分な訓練データはない。 しかし、神経および認知プロセスをより詳細にモデル化する代替アーキテクチャは、個人にとってより容易に適合し、人間の行動に対する機械的な洞察につながる可能性がある。 BiLexはバイリンガル語彙の計算モデルであり、共有意味体系と自己組織化マップを通して表現される音声言語システムを含んでいる。 本研究では、BiLexを興奮性および抑制性側方接続による生物学的リアリズムへと拡張した。 この拡張により、セマンティックな概念の親しみやすさ、典型性、特異性に基づくような一般的なエラーだけでなく、応答時間も考慮できる。 ボストン・ナミング試験はスペイン語と英語でシミュレートされ、スペイン語と英語のバイリンガルの発音精度と誤りタイプを近似した。 その結果,本手法はバイリンガル語彙アクセスにおける意味レベルの過程を捉え,個々の被験者の意味認知をモデル化した。 将来的には、このようなモデルが障害や治療オプションをモデル化するための基盤となるかもしれない。

関連論文リスト

• Linguistic Interpretability of Transformer-based Language Models: a systematic review [1.3194391758295114]
  Transformerアーキテクチャに基づく言語モデルは、多くの言語関連タスクにおいて優れた結果をもたらす。 しかし、それらの内部計算がどのように結果を達成するかは分かっていない。 しかし、「解釈可能性」という一連の研究は、これらのモデル内でどのように情報がエンコードされているかを学ぶことを目的としている。
  論文  参考訳（メタデータ） (2025-04-09T08:00:12Z)
• Brain-Like Language Processing via a Shallow Untrained Multihead Attention Network [16.317199232071232]
  大規模言語モデル(LLM)は、人間の言語システムの効果的なモデルであることが示されている。 本研究では、未学習モデルの驚くほどのアライメントを駆動する重要なアーキテクチャコンポーネントについて検討する。
  論文  参考訳（メタデータ） (2024-06-21T12:54:03Z)
• Holmes: A Benchmark to Assess the Linguistic Competence of Language Models [59.627729608055006]
  言語モデル(LM)の言語能力を評価するための新しいベンチマークであるHolmesを紹介する。 我々は、計算に基づく探索を用いて、異なる言語現象に関するLMの内部表現を調べる。 その結果,近年,他の認知能力からLMの言語能力を引き離す声が上がっている。
  論文  参考訳（メタデータ） (2024-04-29T17:58:36Z)
• Meta predictive learning model of languages in neural circuits [2.5690340428649328]
  本稿では,予測符号化フレームワークにおける平均場学習モデルを提案する。 我々のモデルでは、ほとんどの接続は学習後に決定論的になる。 本モデルは,脳計算,次点予測,一般知能の関連性を調べるための出発点となる。
  論文  参考訳（メタデータ） (2023-09-08T03:58:05Z)
• Same Neurons, Different Languages: Probing Morphosyntax in Multilingual Pre-trained Models [84.86942006830772]
  多言語事前学習モデルは文法に関する言語・ユニバーサルの抽象化を導出できると推測する。 43の言語と14のモルフォシンタクティックなカテゴリーで、最先端のニューロンレベルのプローブを用いて、初めて大規模な実験を行った。
  論文  参考訳（メタデータ） (2022-05-04T12:22:31Z)
• Dependency-based Mixture Language Models [53.152011258252315]
  依存性に基づく混合言語モデルを紹介する。 より詳しくは、依存関係モデリングの新たな目的により、まずニューラルネットワークモデルを訓練する。 次に、前回の依存性モデリング確率分布と自己意図を混合することにより、次の確率を定式化する。
  論文  参考訳（メタデータ） (2022-03-19T06:28:30Z)
• Uncovering Constraint-Based Behavior in Neural Models via Targeted Fine-Tuning [9.391375268580806]
  本研究は,言語知識が不明な言語内での競合する言語プロセスを示す。 人間の行動は言語間で類似していることがわかったが、モデル行動の言語間差異は見いだされている。 以上の結果から,言語における言語的制約と相対的ランクの双方をモデルが学習する必要があることが示唆された。
  論文  参考訳（メタデータ） (2021-06-02T14:52:11Z)
• Improving the Lexical Ability of Pretrained Language Models for Unsupervised Neural Machine Translation [127.81351683335143]
  クロスリンガルプリトレーニングは、2つの言語の語彙的表現と高レベル表現を整列させるモデルを必要とする。 これまでの研究では、これは表現が十分に整合していないためです。 本稿では,語彙レベルの情報で事前学習するバイリンガルマスク言語モデルを,型レベルのクロスリンガルサブワード埋め込みを用いて強化する。
  論文  参考訳（メタデータ） (2021-03-18T21:17:58Z)
• Modelling Compositionality and Structure Dependence in Natural Language [0.12183405753834563]
  言語学と集合論に基づいて、これらの概念の形式化がこの論文の前半で述べられている。 言語処理を行う認知システムは,特定の機能的制約を持つ必要がある。 単語埋め込み技術の進歩を利用して、関係学習のモデルがシミュレートされる。
  論文  参考訳（メタデータ） (2020-11-22T17:28:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。