Bemærk dog, at der er en ulempe ved alt dette:.. Forestil dig, at vi præsenterer strengen "CQRN '' til individer Hvis præsentationen er korte nok, emner vil registrere kun en delmængde af strengen funktioner Lad os forestille dig, på linje med en tidligere eksempel, at fag kun registrere den nederste bit af strengen anden brev. vil Denne påvisning af bottom-kurven svagt aktivere Q-detektor, og også U-detektor og O-detektor.
Den resulterende mønster af aktivering netværk er vist i en anden artilce på min profil, og du bør bemærke, at dette tal er næsten identisk med et andet tal, der vises på min profil page.We har allerede fremført, at dynamikken i netværket funktion vil føre til en reaktion af ' 'CORN.' 'Men, eftersom "grist' 'for netværket er den samme i en anden artikel, så dette mønster vil også føre til" majs. " Derfor i det første tilfælde, den funktionelle dynamik indbygget i nettet hjælpemidler præstationer; i det andet tilfælde, den samme dynamik får os til at misfortolkede den stimulus.
Let os gøre tre punkter om denne observation. Først har vi nu en enkel højde for over-regulering fejl: På grund af mønstret for priming, vil netværkets reaktioner tendens i retning af hyppige ord, og også mod ord nyligt viste. Hvis input var faktisk en hyppig ord, så forspændingen indbygget i netværket letter opfattelse. Hvis indgangen var en sjælden ord eller en uregelmæssig ord, så netværkets partiskhed vil føre til fejl.
Desuden vil netværkets fejltagelser være systematiske i deres form, "CQRN '' vil blive identificeret som" majs, "" TAE "som" THE, "og så videre det andet, vi har nu set, at nettet pålideligt vil foretage visse. fejl. Fra vores synspunkt, men dette er en fordel, ikke et problem. Mennesker gør disse fejl. Hvis vores model giver en plausibel hensyn til de menneskelige resultater, så er det hensigtsmæssigt, at modellen bør gøre fejl som well.Finally Bemærk, at disse fejl er som regel uproblematisk.
Lav frekvens ord vil sandsynligvis blive fejlagtigt opfattede men per definition er lavfrekvente ord ikke stødt så ofte. Netværkets partiskhed letter opfattelsen af hyppige ord, og disse (per definition) er de ord du støder på det meste af tiden. Derfor. netværkets partiskhed hjælpemidler anerkendelse i de mere hyppige tilfælde, og kun gør ondt indregning i sjældne tilfælde. Nødvendigvis, så netværkets skævhed hjælper opfattelsen oftere end det gør ondt.
Kunne du lide denne artikel? Du kan skrive artikler som denne og tjene penge fra