基于gsom模型的音位范畴习得建模

《基于gsom模型的音位范畴习得建模》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于GSOM模型的音位范畴习得建模曹梦雪李爱军方强北京师范大学文学院中国社会科学院语言研宄所摘要：为了探宄祌经网络模型在儿童语言习得模拟研宄中的应用，该文在可扩展的自组织网络模型(growingselforganizingmap,GSOM)算法的基础上,模拟了婴幼儿得标准德语部分元咅和辅咅咅位范畴的过程。该研究将优化的网络扩展策略和“循环性强化和复习训练”学习算法与传统的GSOM算法进行了结合。模拟结果显示：“循环性强化和复习训练”算法可以有效地提高模型网络的学习质量;模型算法可以较好地习得元音音位

2、和辅音发音方式的范畴，并构建相应的知识网络。建模研宄的结果表明:在习得语言的过程中，通过对语音声学信息的加工，婴幼儿有能力习得元咅音位和辅音发咅方式的范畴，并构建元音咅位在声学空间内的分布关系。关键词：神经讣算模型;可扩展的自组织网络;儿童语言＞』得;范畴化学二J;作者简介：曹梦雪(1987—)，男，博士后。作者简介：方强，畐1J研究员,E-mail:fangqiang@cass.org.cn收稿日期：2016-06-29基金：中W博士后科学基金面上资助项目(2016M590057)GSOM-bas

3、edmodelingstudyofphonemeacquisitionCAOMengxueLIAijunFANGQiangSchoolofChineseLanguageandLiterature,BeijingNormalUniversity:InstituteofLinguistics,ChineseAcademyofSocialSciences;Abstract：Neuralnetworkmodelsofchildlanguageacquisitionareusedtosimulatechild

4、ren’sphonemeacquisitionforselectedvowelsandconsonantsofStandardGermanbasedonthegrowingself-organizingmap(GSOM)modelingalgorithm.Anoptimizedgrowingstrategyanda“cyclicalreinforcingandreviewingtraining”procedureareintegratedintothetraditionalGSOMalgorithm

5、.Simulationsshowthatthe“cyclicalreinforcingandreviewingtraining”proceduresignificantlyimprovesthelearningqualityofthenetworkwiththealgorithmrecognizingthevowelandmannerofarticulationcategoriestobuildthecorrespondingknowledgenetwork.Themodelingresultrev

6、ealsthatduringlanguageacquisition,childrenhavetheabilitytoutilizeacousticfeaturestoacquirevowelsandarticulationcategories,andtobuildacousticspacerelationsamongdifferentvowels.Keyword：neuro-computationalmodel;growingself-organizingmap;childlanguageacqui

7、sition;categoricallearning;Received：2016-06-29对婴幼儿而言，语言学习是一个统计学习与交互学习相结合的过程。一方面，婴幼儿暴露在语言环境中，他们能够利用模式识别和相应的计算能力从语咅刺激的概率分布模式屮习得语言学知识m;另一方面，婴幼儿在与家长的交流中，能够利用交互能力通过接受反馈信息来获得学习指异ui。本研宄通过对上述学习过程的建模来模拟婴幼儿对母语音位范畴的习得。从建模的角度来看，语言习得可以被抽象为一个知识学习的过程。知识学习过程的一个重要特点就是动

8、态扩展性，即知识的内容是不断增加的，知识所涉及的领域是不断扩展的。因此，“可扩展性”是语言习得的一个重要属性。在众多的知识学习算法中，自组织网络(self-organizingmap,SOM)［5~6］可以很好地模拟知识的拓扑结构和学习过程中知识的自组织过程。SOM的学习模式与磁吸效应［7-8］相似，被广泛应用于语言学相关的研宄中nn。但是受制于算法木身的局限性［16］，SOM模型无法有效地将新知识与现有的知识网络融合，在模拟知识的可扩展性上存在困难。因此，将S0M模