이 논문은 이산적, 구성적, 상징적 표현을 신경 동역학 모델을 통해 구현하는 새로운 접근법을 소개한다. 기존의 연결주의 모델과 순수 상징 모델의 한계를 극복하기 위해, 저자들은 신경 동역학 시스템 모델을 제안한다. 이 모델은 연속적인 표현 공간을 이산적인 끌개 상태로 세분화하여 상징적 순서를 인코딩한다. 이를 통해 상징성, 구성성, 의미성 등 상징 시스템의 특성을 신경 동역학적 기반에서 구현한다. 또한 이 모델은 입력과 이산적 표현 사이의 상호 정보를 반영하는 다양한 분포를 학습할 수 있어, 확률적 사고의 언어(PLoT) 모델과 유사한 특성을 보인다. 이러한 접근법은 기호와 하위 기호 처리를 통합하는 통일된 프레임워크를 제공하며, 인지 과정의 복잡한 이중성을 반영한다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Andrew Nam, ... um arxiv.org 09-27-2024
https://arxiv.org/pdf/2310.01807.pdfTiefere Fragen