内隐学习的人工神经网络模型  

Artificial Neural Network Model about Implicit Learning

作　　者：郭秀艳[1] 朱磊[1] 魏知超[1] 

机构地区：[1]华东师范大学心理学系,上海200062

出　　处：《心理科学进展》2006年第6期837-843,共7页Advances in Psychological Science

基　　金：教育部新世纪优秀人才支持计划项目(批准号为41193002);教育部高等学校全国优秀博士学位论文作者专项资金资助项目(批准号为200309)支持。

摘　　要：近年来,人工神经网络模型常被用来模拟各种心理活动,从而为心理学的一些相关理论提供丰富的证据,内隐学习也不例外。基于权重调整来学习正确反应的人工神经网络模型和内隐学习的两大本质特征间有着极为相应的匹配,因此,人工神经网络模型特别适用于内隐学习研究。到目前为止,针对两种较为普遍的内隐学习任务,已经相应地出现了两种使用较为广泛的神经网络模型——自动联系者和简单循环网络。These years, Artificial Neural Networks have been used to simulate many kinds of psychological activities, including implicit learning. Neural networks has some traits which are good for simulating implicit learning, such as learning to response correctly through weight adjustment. There are two types of neural network models named autoassociators and simple recurrent networks which are used broadly in cognitive simulation.

关 键 词：人工神经网络模型 人工语法学习 自动联系者 序列学习 简单循环网络 

分 类 号：B842[哲学宗教—基础心理学]