抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
統計的学習(SL)中のチャンキングの神経基礎を調べた。行動の証拠は,学習と記憶における共通の機構が,より小さなユニットをより大きなものに結合させ,感覚と高レベル処理を容易にすることを示唆する。しかし,この機構の神経基盤は不明のままである。海馬における神経コードの以前の知見から洞察を引いて,逐次入力のためのSLにおける時間的チャンキングプロセスを説明する計算モデルを提案した。2つのコア原理を組み込んだ隠れMarkovモデル(HMM)にチャンキングを操作した。(1)隠れ状態は,特定の視覚特徴よりむしろ連続順序を表し,(2)時間的チャンクの形成が自己相関脳活動をもたらす。HMMは,両方の仮定が保持されるとき,埋込み三重項表現を解読できることを,数値シミュレーションで示した。視覚SLタスクを行う被験者からの機能的神経画像データへのHMMの適用により,復号化は,(1)三重項配列に対して成功したが,ランダム配列ではなく,後期段階では学習の初期段階ではなく,海馬では初期視覚皮質ではそうではないことを示した。これらの結果は,連続した視覚入力から現れる一般化時間構造の海馬表現の証拠を提供し,SLのチャンキング機構に光を当てた。意義:統計的学習(SL),個人は構造化刺激への短い曝露後のパターンの内部表現を発達させる。人々は単一ユニットとして頻繁に共起するアイテムを認識する傾向がある。「チャンキング」として知られるこの過程は,学習のための感覚処理を促進する際に重要な役割を果たすと理解されている。しかし,その神経不足は不明のままである。本研究では,海馬符号化理論から洞察を描き,SLに対する一般化提示に焦点を当てたチャンキングモデルを紹介した。視覚学習タスクを行う人間被験者からの機能的神経画像データによって,チャンキングモデルは逐次入力に埋め込まれた時間規則性を解読することに成功した。このモデルと関連する知見は,SLの根底にあるチャンキングプロセスおよびヒト海馬におけるその表現に重要な証拠を提供する。【JST・京大機械翻訳】