社会形态神经元网络模型的语言参数.docx

Denis Andreyuk et al. / Procedia Computer Science 190 (2021) 31–34 Denis Andreyuk et al. / Procedia Computer Science 190 (2021) 31–34 社会形态神经元网络模型的语言参数 摘要 通过数学神经元网络对社会交互进行建模被认为是有前途的，首先是通过模仿和预测某些社会结果，处理社会群体中的信息处理并制定集体决策，其次是通过社会群体的工程化并在神经元网络效率的逻辑中建立具有更高处理能力的社会群体。这一事实使得有必要选择特殊的参数，一方面，这些参数对于跟踪这类模型是必不可少的，因为它们与人类社会本质的基本要素完全相关，另一方面，又不会超出模型。这些参数可能包括社会交流的言语和语言特征。 研究集中在三个语言因素上，这三个因素似乎合乎逻辑地包含在社会形态神经元网络模型中:1)理解因素或与向量接近度相关的语言接近度，因为社会群体中的语言变化可能具有连续的性质；2)交际失误和扭曲的因素；3)意识形态接近的因素。文章回顾了在神经元网络模型的结构中考虑这些因素的可能性。 2021作者。由爱思唯尔出版社出版。 这是一篇开放获取的文章，在CC BY-NC-ND许可下(/licenses/by-nc-nd/4.0)。 由2020年人工智能大脑认知架构国际年会科学委员会负责的同行评审:BICA学会第十一次年会 关键词:语言学；矢量化；社会形态神经元网络；社交传播建模 1。 介绍 进化神经科学使得在神经元网络的逻辑中发展社会关系模型成为可能[1，2]。它特别显示了是什么使得一个社会群体中的生物学驱动的层级结构类似于神经形态结构中的多层复杂性[1，2]。它的结果是提出了一组变量，以便建立一个名义上的个人模型，该模型有三个“遗传的”(生物学上引起的)变量和三个可能由于社会群体中的社会关系而获得其价值的变量[3]。遗传的价值包括社交/沟通的程度、攻击性/冒险能力的程度和智力/抽象思维的程度。假设这三个尺度足以描述一个人参与社交网络的生物学驱动趋势。此外，人类群体中数量值的分布函数被认为可以通过对大量可获得的遗传数据进行生物信息学分析来实验确定。 当谈到对新建立的社会联系和信息流至关重要的社会获得参数时，可能会考虑三个参数:语言、职业认同和文化/意识形态认同。这三个有价值的东西可以用多维向量的形式来表示，它们的余弦接近度会影响新链接的潜力:两个个体的身份参数越相似，他们参与彼此之间面对面信息接触的可能性就越高。社会联系的力量是一个参数，它与社会学术语“强弱联系”有很多共同之处[4]。在这方面，社会联系的力量与通过这一渠道传递的信息量成正比。此外，在神经形态结构的情况下，它与突触连接的相对重要性成比例。这项研究旨在弄清楚在数学神经元网络逻辑中建模社会交流时可能考虑的最基本因素和语言方面。 2。 结果 2.1。 语言同一性的因素——神经突触的延迟 负责组成债券和影响债券的权力/价值的参数不允许提出社会关系的理想模型，因为它们没有考虑信息过程的动态性。例如，为了确定两个人是否有可能接触，只要找出他们是否说同一种语言(一个一维数组，其中每种语言都有自己的数字)就足够了。然而，当说同一种语言的人彼此不理解时，这一点就很明显了。它使得一个假设成为可能:每个说话者的语言向量的余弦接近度越小，在对话中看到每个对应者的点所花费的时间就越多。语言矢量化的第一步建议应用函数word2vec。对于上下文频率语义方法不能很好地适用于通信的语义内容这一事实，有很多担心[5]。然而，今天的分布语义学的结果似乎足以作为社会引起的关系的一个因素的语言模型。 事实上，沟通参与者的向量收敛被视为动态参数的程度。清除神经冲动从突触前神经元到突触后神经元的延迟是有意义的。 Vyacheslav Demin和Dmitry Nekhaev [6]在他们的工作中声称，为描述神经元竞争而建立的局部框架使得有可能加快被视为教师学习模式的冲动复发性神经元网络的学习活动。此外，作为上述神经进化方法的一部分，前向和后向结合的实现产生了神经元群，这些神经元群在功能上与处于最低社会合作水平的原始社会群体相似[1，2]。这种模型中的时间参数，包括输入信号的积分时间、接收信号的时间和耐火时间，被假定为相等。然而，对于每一个神经元来说，在理解或语言接近的因素上有很大的不同，特别是在接收信号所需的时间比和积累输入刺激信号的时间上。它对整个网络的计算和规格有影响。 33 2.2。 通信故障和失真的因素——信号传输中的随机错误 另一个可以显著影响社会群体中信息处理过程的参数是信息在传播过程中的失真程度。最近的研究[7]表明，通信故障可能与信息丢失和信息失真有关。事实上，沟通障碍受多种因素影响。外部