文献

J-GLOBAL ID：201802257602528854   整理番号：18A0803392

あなたができることができるIgnore類似性:ルールアプリケーションに対する事例類似性効果の計算機による探索【JST・京大機械翻訳】

Ignore Similarity If You Can: A Computational Exploration of Exemplar Similarity Effects on Rule Application

著者 (2件)： Brumby Duncan P. (UCL Interaction Centre, University College London) ,  Hahn Ulrike (Department of Psychological Sciences, Birkbeck, University of London)
資料名： Frontiers in Psychology (Web)  (Frontiers in Psychology (Web))
巻： 8  ページ： 424  発行年： 2017年 
JST資料番号： U7096A  ISSN： 1664-1078  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 一般的に,カテゴリー化判断を行うとき,認知システムは正確な判断を行うのに関連する刺激特徴に焦点を合わせることを学習すると仮定されている。これは,ハイブリッド分類システムの重要な特徴であり,それは,模範およびルールベースのプロセスの使用を選択的に重みづける。対照的に,Hahnら(2010)は,人々が分類誤差に導く場合でも,人々が模範的類似性に注意を払うことができないことを示した。本論文では,一連の計算機シミュレーションにより,ACT-R認知アーキテクチャ(AndersonおよびBetz,2001)で開発されたハイブリッド分類モデルがHahnらのデータセットを説明できるかどうかを検討した。このモデルは,その模範的なルートとして,NosofskyとPalmeriの(1997)模範ベースのランダムウォークモデルを実装し,それをNosofskyら(1994)ルールベースのモデルRulexの実装と組み合わせた。モデルのパラメータ空間の徹底的な探索により,応答時間に対する模範類似性効果の存在は分類誤差と関連しているが,タスクの教師なしバージョン(すなわち,精度に関するフィードバックが与えられない)に対する観測データへの両方の測度に適合することが可能であることを示した。モデルが精度に関する明示的フィードバックを与えられたタスクの教師つきバージョンに適用されたとき,困難が発生した。モデリング結果は,モデル学習が正確なルール経路の代わりに誤差傾向のある模範経路を避けるために,フィードバックによって模範類似性効果が減少することを示した。モデルと対照的に,Hahnらは,与えられたフィードバックの場合でも,人々がロバストな模範類似性効果を示し続けることを見出した。本研究は,分類決定を行うときに,人々が規則と模範を結合する方法と理由を理解するための挑戦を強調する。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *計算機械 ,  ルールベース ,  計算機シミュレーション ,  *類似性 ,  モデル ,  モデリング ,  応答時間 ,  フィードバック ,  測度 ,  ロバスト性
準シソーラス用語： モデル学習 ,  パラメータ空間 ,  ランダムウォークモデル ,  分類モデル ,  認知システム , 【Automatic Indexing@JST】

著者キーワード (5件)： カテゴリー化 ,  ルール ,  類似性 ,  計算モデル ,  ハイブリッドモデル

分類 (2件)： 移動通信  (ND08030H) ,  筋骨格系・皮膚モデル  (EL02040R)

タイトルに関連する用語 (5件)： 類似性 ,  ルール ,  アプリケーション ,  計算機 ,  探索