预测与名词含义相关的人类大脑活动
Tom M Mitchell1, Svetlana V Shinkareva, Andrew Carlson
1Machine Learning Department, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA 15213, USA. Tom.Mitchell@cs.cmu.edu
Science (New York, N.Y.)
|May 31, 2008
概括
研究人员开发了一个计算模型来预测词语的大脑活动模式. 这个模型使用文本数据和脑成像来理解人类大脑如何代表概念知识.
科学领域:
- 认知神经科学 认知神经科学
- 计算语言学 计算语言学
- 神经成像是一种神经成像.
背景情况:
- 了解大脑中的概念知识表示是一个长期以来的科学辩论.
- 大脑成像研究揭示了不同语义类别 (如工具,动物) 的不同神经激活模式.
研究的目的:
- 开发一种能够预测功能磁共振成像 (fMRI) 神经激活模式的词语的计算模型.
- 将预测能力扩展到目前可用的fMRI数据之外的大量具体名词的词汇.
主要方法:
- 该模型是使用大量文本库 (万亿个单词) 和现有的fMRI数据从查看具体名词的组合进行训练的.
- 然后,训练后的模型被用来预测fMRI激活文本库中数千个其他具体名词的激活情况.
主要成果:
- 该计算模型在fMRI激活方面取得了非常显著的预测准确性.
- 对60个具体名词的fMRI数据进行了验证,证明了模型的有效性.
结论:
- 开发的模型成功地预测了与单词相关的神经激活模式,进步了我们对概念知识表示的理解.
- 这种方法可以预测大脑活动对一大群单词,促进未来的神经成像研究.
