1. Когнитивное моделирование с многоуровневыми сетями: идеи, достижения и будущие задачи (arXiv)
Автор:Массимо Стелла, Сальваторе Читраро, Джулио Россетти, Даниэле Маринаццо, Йоэд Н. Кенетт, Майкл С. Витевич
Аннотация: Ментальный словарь представляет собой сложную когнитивную систему, представляющую информацию о словах/понятиях, которые человек знает. Десятилетия психологических экспериментов показали, что концептуальные ассоциации на нескольких интерактивных когнитивных уровнях могут сильно влиять на усвоение, хранение и обработку слов. Как семантические, фонологические, синтаксические и другие типы концептуальных ассоциаций могут быть отображены в рамках последовательной математической структуры для изучения того, как работает мысленный лексикон? Здесь мы рассматриваем когнитивные многослойные сети как многообещающую количественную и интерпретативную основу для исследования ментального лексикона. Когнитивные многослойные сети могут отображать сразу несколько типов информации, таким образом фиксируя, как различные слои ассоциаций могут сосуществовать в ментальном лексиконе и влиять на когнитивную обработку. Этот обзор начинается с небольшого введения в структуру и формализм многослойных сетей. Затем мы обсудим количественные механизмы психологических явлений, которые нельзя было наблюдать в однослойных сетях и которые были раскрыты только путем объединения нескольких слоев лексики: (i) мультиплексная жизнеспособность подчеркивает языковые ядра и облегчающие эффекты обработки знаний в здоровых и клинических популяциях; (ii) обнаружение многослойных общностей позволяет реконструировать контекстное значение в зависимости от психолингвистических особенностей; (iii) многоуровневый анализ может опосредовать латентные взаимодействия опосредования, подавления и облегчения лексического доступа. Описывая новые количественные перспективы, в которых многослойные сети могут пролить свет на представления когнитивных знаний, в том числе в моделях мозга/разума следующего поколения, мы обсуждаем ключевые ограничения и многообещающие направления передовых будущих исследований.
2. Генерализация глубокой пространственной области (arXiv)
Автор:Дачжоу Ю, Гуанцзи Бай, Юнь Ли, Лян Чжао
Аннотация. Пространственная автокорреляция и пространственная неоднородность широко распространены в пространственных данных, из-за чего традиционная модель машинного обучения работает плохо. Обобщение пространственной области - это пространственное расширение генерализации области, которое может распространяться на невидимые пространственные области в непрерывном 2D-пространстве. В частности, он изучает модель при различных распределениях данных, которые обобщаются на невидимые области. Хотя в области обобщения предметной области были достигнуты огромные успехи, существует очень мало работ по обобщению пространственной области. Продвижению в этой области препятствуют: 1) сложность характеристики пространственной неоднородности и 2) сложность получения прогностических моделей для невидимых местоположений без обучающих данных. Чтобы решить эти проблемы, в этой статье предлагается общая структура для обобщения пространственной области. В частности, мы разрабатываем нейронную сеть графа пространственной интерполяции 1, которая обрабатывает пространственные данные в виде графа и изучает пространственное вложение в каждом узле и их взаимосвязи. Нейронная сеть графа пространственной интерполяции делает вывод о пространственном встраивании невидимого местоположения на этапе тестирования. Затем пространственное вложение целевого местоположения используется для декодирования параметров модели нисходящей задачи непосредственно в целевом местоположении. Наконец, обширные эксперименты с тринадцатью наборами данных реального мира демонстрируют силу предложенного метода.
3. Объяснение надежности веб-сайта с помощью визуализации подключения гиперссылок (arXiv)
Автор: Сонмин Ли, Садия Афроз, Хэкю Пак, Зиджи Дж. Ван, Омар Шейх, Вибхор Сегал, Анкит Пешин, Дуэн Хорнг Чау. »
Аннотация. Поскольку объем информации в Интернете продолжает расти в геометрической прогрессии, понимание и оценка надежности веб-сайта становятся все более важными. Дезинформация имеет далеко идущие последствия: от сеяния недоверия к СМИ до подрыва демократических выборов. В то время как в некоторых исследованиях изучается, как предупредить людей о дезинформации в Интернете, гораздо меньше исследований было проведено для объяснения того, как веб-сайты участвуют в распространении ложной информации. Чтобы заполнить пробел в исследованиях, мы представляем MISVIS, интерактивный веб-инструмент визуализации, который помогает пользователям оценить надежность веб-сайта, понимая, как он участвует в распространении ложной информации во всемирной паутине. MISVIS визуализирует связь сайта по гиперссылкам и обобщает ключевые характеристики учетных записей Twitter, в которых упоминается сайт. Крупномасштабное исследование пользователей с участием 139 человек демонстрирует, что MISVIS помогает пользователям оценивать и понимать ложную информацию в Интернете, а диаграммы узловых связей можно использовать для общения с неспециалистами. МИСВИС доступен по общедоступной демо-ссылке: https://poloclub.github.io/MisVis.
