Katz és Fodor '63 egy fogalom jelentése vonások halmaza

Slides:



Advertisements
Hasonló előadás
Deduktív adatbázisok.
Advertisements

Készítette: Kosztyán Zsolt Tibor
Nevezetes algoritmusok
Természetes számok 0, 1, 2, 3, ..., 24, 25, ..., 1231, 1232, ..., n, ...  = {0, 1, 2, 3, ..., n,...} a természetes számok halmaza Műveletek: összeadás.
Programozási tételek, és „négyzetes” rendezések
ADATBÁZISOK.
Köszönet az alapanyagért Ivády Rozália Eszternek Pléh Csabának Lukács Ágnesnek.
Tengeralattjáró győzelmi hírek elmaradása – kilövés
A Blown-up rendszer Biczók Gergely Rónai Miklós Aurél BME Számítástudományi és Információelméleti Tanszék Turányi Zoltán Richárd Ericsson Traffic Lab Valkó.
Az Európai Unió és a tisztességtelen kereskedelmi gyakorlatok 2010.július 30. Eger Aranyi Péter Nemzetgazdasági Minisztérium Fogyasztóvédelmi Osztály.
Függvények Egyenlőre csak valós-valós függvényekkel foglalkozunk.
A matematikai logika alapjai
A FÖLD egyetlen ökológiai rendszer
Euklidészi gyűrűk Definíció.
4. VÉGES HALMAZOK 4.1 Alaptulajdonságok
Címkézett hálózatok modellezése
Boole- féle algebra Készítette: Halász Rita I. István Szakképző Iskola szeptember 19.
Logika Érettségi követelmények:
Szomjas kacsa Szomjas kacsa
Bevezetés a gépi tanulásba február 16.. Mesterséges Intelligencia „A számítógépes tudományok egy ága, amely az intelligens viselkedés automatizálásával.
Bioinformatika Szekvenciák és biológiai funkciók ill. genotipusok és fenotipusok egymáshoz rendelése Kós Péter 2009.XI.
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Hálózati Biológia A sejt funkcionális működésének megértése.
Bizonyítási stratégiák
2011. szeptember Az információtechnológia menedzselése Az információs rendszer fejlesztése Image of the slide: www2.raritanval.edu/departments/busadmin/.../Ch07-IntrotoBusiness.ppt.
Terek 2 (Nemes Nagy József: A tér a társadalomkutatásban)
A digitális számítás elmélete
1.3 Relációk Def. (rendezett pár) (a1 , a2 ) := {{a1} , {a1 , a2 }} .
Játékelméleti alapfogalmak előadás
Bevezetés az orvosi kódrendszerekhez 2. előadás Semmelweis Egyetem Egészségügyi szervező szak II. évf
Az F-próba szignifikáns
Aszexuális, szimpatrikus speciáció
Statisztika.
ÖRÖKLÉS, KÖRNYEZET, NEVELÉS
Adatszerkezetek 1. előadás
Emberi Erőforrás Menedzsment Teljesítményértékelés
Gépi tanulás Tanuló ágens, döntési fák, általános logikai leirások tanulása.
Önálló labor munka Csillag Kristóf 2005/2006. őszi félév Téma: „Argument Mapping (és hasonló) technológiákon alapuló döntéstámogató rendszerek vizsgálata”
Önálló labor munka Csillag Kristóf 2004/2005. tavaszi félév Téma: „Argument Mapping (és hasonló) technológiákon alapuló döntéstámogató rendszerek vizsgálata”
2012. tavaszi félév Véső Tamás Véső Tamás OE­NIK / 29.
Számítógép-hálózatok
KÖRLEVÉL.
Szemiotika – Jeltan A Rendszer B Rendszer Kommunikáció Jel.
A kültakaró.
Többtényezős ANOVA.
Az innováció-átvételi döntési folyamat
Hilary Putnam: Time & Phisical Geometry Körtvélyesi László.
„Házasodj meg, meg fogod bánni; ne házasodj meg, azt is meg fogod bánni; házasodj vagy ne házasodj, mindkettőt meg fogod bánni; vagy megházasodsz, vagy.
Készítette: Németh Katalin …
Adatbázis-kezelés.
„Reflektorfényben Te állsz”
Kulcsok meghatározása a táblákban
Lap.hu oldalak dinamizálása Lap.hu találkozó – május 14.
Háló- (gráf-) algoritmusok
Adatbáziskezelés. Adat és információ Információ –Új ismeret Adat –Az információ formai oldala –Jelsorozat.
Síkidomok, testek hasonlósága
Programozási alapismeretek 8. előadás. ELTE Szlávi-Zsakó: Programozási alapismeretek 8.2/  További programozási.
Forgalom-szimuláció eltérő közegekben Max Gyula BMGE-AAIT 2008.
Pszichológia előadás /2007. tanév őszi szemeszter
Új Esély munkakonferencia Július 28. Zöld Kakas Líceum Braun József.
1 Kémia Atomi halmazok Balthazár Zsolt Apor Vilmos Katolikus Főiskola.
Társas megismerés Reprezentáció. Példák fogalmakra Személyiségvonások – félénk, lelkiismeretes Személyiségvonások – félénk, lelkiismeretes Emberek kategóriái.
1.Kanonikus felügyelt tanulási feladat definíciója (5p) 1.Input, output (1p) 2.Paraméterek (1p) 3.Hipotézisfüggvény (1p) 4.Hibafüggvény/költségfüggvény.
Baromfiudvar lakói.
Analitikus fák kondicionálissal
Variációk a hazugra Szókratész: Platón hazudik.
Kognitív és emotív jelentés
Leíró nyelvtan - adatbázisból
Bevezetés Tematika Számonkérés Irodalom
Készítette: Németh Katalin …
Előadás másolata:

Katz és Fodor '63 egy fogalom jelentése vonások halmaza Probléma: a vonások (tulajdonságok, definiáló jegyek) száma minden határon túl nő.

Collins és Quillian '69 hierarchikus háló modellje

Collins és Quillian '69 A fogalmat kódoló szemantikus egység mellett ott a tulajdonságlista, a hierarchikus szerveződés biztosítja a gazdaságosságot. Előny: gazdaságos, az ismeretek kikövetkeztethetőek Hátrány: az azonos szintű egységek nem egyformák (veréb, strucc) - a tipikussági hatást nem magyarázza túl sok "szintugrásos" közvetlen kapcsolat van

Smith, Shoeben és Rips '74 Vonás összehasonlítási modell A vonások (jegyek) két típusa: definiáló (meghatározó) jegyek: amelyek külön-külön szükségesek és együtt elégségesek ahhoz, hogy az esetet besoroljuk egy kategóriába pl. kétlábú és csőr meghatározó vonás a madár kategóriára nézve, mert minden madár kétlábú és van csőre, és csak a madarak rendelkeznek mindkettővel. karakterisztikus (jellemző, esetleges) vonások: tipikusak egy kategóriára nézve, de nem közösek minden tagra. Pl. a repül jellemző a madárra, de nem minden madár repül.

Tipikussági hatás A kategória minden tagja rendelkezik a meghatározó jegyekkel, a tipikus eset emellett rendelkezik a jellemző vonásokkal is. Pl. a strucc is madár, de nem repül, a veréb repül is ezért jobb példája a madárnak.

A kategóriatagság eldöntése: Két szakaszban zajlik Pl. madár-e a veréb? 1. szakasz : a veréb és a madár vonás listáit összehasonlítjuk, a két lista közös része adja a hasonlóság mértékét. Ha a két lista nagyon hasonló, akkor igaz az, hogy a veréb madár, ha nincs közös rész, akkor hamis. 2. szakasz ez akkor lép működésbe, ha a két lista hasonlósága nem elég nagy, ekkor csak a definiáló vonásokat hasonlítjuk össze. Így nyilvánvaló, hogy a tipikusabb esetet gyorsabban soroljuk be, mert ekkor csak az első szakasz működik.

Collins és Loftus '75 Smith et al. vonás összehasonlító modelljével az a gond, hogy nem egyértelmű, mi a definiáló és mi a karakterisztikus, ha egy verébnek levágják a szárnyát, még veréb marad vagy a bálna nem rendelkezik az emlős definiáló jegyeivel (mert nem tudjuk melyek ezek) mégis tudjuk, hogy emlős. terjedő aktiváció, amely csökkenő gradienssel terjed tova (tóból különböző csatornákon áramlik a víz) a fogalmi háló nem hierarchikus priming (előhangolás)

prototípus: a kategória átlaga, nem feltétlenül létezik (pl. szék) Melyik az A ill. B család prototípusa?

mintapéldány: a jellegzetes kategóriatag (pl. kedvenc ülőkéd) mintapéldány: a jellegzetes kategóriatag (pl. kedvenc ülőkéd). A kategória legjobb, létező példája

Hamis állítások ellentmondás: egyazon fölérendelt csomóponthoz azonos relációval kapcsolódó két csomópont különböző

kiugró ellenpélda: minden kacsa zöld - eszembe jut a múltkor látott fehér kacsa mulatságos állítás: a kacsa háromkerekű, aktiválódik a kacsa és a háromkerekű és aktiválják a környezetüket, ha nincs közöttük kapcsolat, az aktivációk nem szummázódnak - különbözőek, ha van valamelyes összegződése az aktivációnak, akkor lassúbb a döntés (a kacsa pikkelyes - van konvergencia pl. a gerinces szintjén (kacsa- madár - gerinces és pikkely - hal - gerinces, a hal és a madár a gerinceshez kapcsolódik, innen már ellentmondás..