文献

J-GLOBAL ID：201802275372671375   整理番号：18A0256755

統計的学習のオンライン神経モニタリング【Powered by NICT】

Online neural monitoring of statistical learning

著者 (2件)： Batterink Laura J. (Northwestern University, Department of Psychology, Evanston, IL, USA) ,  Paller Ken A. (Northwestern University, Department of Psychology, Evanston, IL, USA)
資料名： Cortex  (Cortex)
巻： 90  ページ： 31-45  発行年： 2017年 
JST資料番号： W3168A  ISSN： 0010-9452  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 環境におけるパターンの抽出は,多くのタイプのヒトの学習に重要な役割を果たし,運動技能からの言語獲得した。このプロセスは,統計的学習として知られている。ここでは,統計的学習は二つの解離し得る成分を持つことを提案した(1)統合複合材料への個々の刺激の知覚的結合と(2)後にこれらの統合表現を記憶する。統計的学習は学習後のタスクを用いて評価した,二成分を融合させることを示した。著者らの目的は,統計的学習のオンライン知覚成分を特性化することであった。参加者は3音節無意味単語とランダム音節を繰り返す構造化河川に曝露した。個々の音節のそれに比べて反復語の周波数で神経エントレインメントを定量化するEEGベース測度によって指数付けされたオンライン学習。統計的学習は,明示的な評価作業と反応時間課題における従来の測定を用いて評価した。構造化河川では,3音節単語への神経エントレインメントしたランダム流,学習の進行を追跡するための曝露の関数として増加し,反応時間(RT)タスクに関する予測性能よりも高かった。これらの結果は,律動的EEGエントレインメントを介した学習のこの重要な要素を監視する知識の段階的獲得を明らかにする新規刺激配列はよく知られている複合材料に変換されることを示した。オンライン知覚変換が,ネットワークの学習曲線の重要な成分である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： エントレインメント ,  音節 ,  単語 ,  河川 ,  学習曲線 ,  キャラクタリゼーション ,  構造形成 ,  *学習 ,  ネットワーク ,  測度 ,  反応時間 ,  ヒト ,  周波数
準シソーラス用語： *オンライン ,  *確率学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 潜在学習 ,  試行間コヒーレンス ,  ニューラルエントレインメント ,  定常応答 ,  語分割

分類 (3件)： 中枢神経系  (EJ12030F) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 統計的学習 ,  オンライン ,  神経モニタリング