Erkännande Errors

Observera dock att det finns en nackdel med allt detta.. Tänk dig att vi presenterar strängen "CQRN '' till patienter Om presentationen är kort nog ämnen kommer registrerar endast en delmängd av strängen funktioner Låt oss föreställa sig, i linje med ett tidigare exempel, att patienter bara registrera botten bit av strängen andra brev. Denna upptäckt av bottom-kurvan svagt aktivera Q-detektorn, och även U-detektorn och O-detektor.

Den resulterande mönstret av nätverks aktivering visas i en annan artilce på min profil, och du kommer att märka att denna siffra är nästan identisk med en annan siffra som visas på min profil page.We har redan hävdat att dynamiken i nätverksfunktionen kommer att leda till ett svar på " 'CORN.' 'Men eftersom den "mäld"' för nätet är densamma i en annan artikel, då detta mönster kommer också att leda till "CORN." Därför, i det första fallet, den funktionella dynamik inbyggd i netto hjälpmedel prestanda; I det andra fallet, orsakar samma dynamiska oss att felbedömt stimulus.

Let oss göra tre punkter om denna observation. Först nu har vi en enkel redogörelse för över legalisering fel: På grund av mönstret av priming, kommer nätverkets svar tenderar mot frekventa ord, och även mot ord tittade nyligen. Om ingången var i själva verket en frekventa ordet, sedan förspänningen inbyggd i nätverket underlättar uppfattning. Om ingången var en sällsynt ord eller en oregelbunden ord, sedan nätverkets partiskhet kommer att leda till fel.

Dessutom kommer nätverkets misstag vara systematisk i sin utformning: "CQRN '' kommer att identifieras som" CORN "," TAE "som" THE, "och så vidare det andra, vi har nu sett att nätet på ett tillförlitligt sätt kommer att göra vissa. fel. Ur vår synvinkel är dock detta en fördel, inte ett problem. Människor gör dessa fel. Om vår modell ger en rimlig hänsyn till de mänskliga landvinningar, då är det lämpligt att modellen ska göra fel som well.Finally Observera att dessa fel är oftast oproblematiskt.

Lågfrekventa ord kan komma att missförståtts men per definition är lågfrekventa ord inte stött så ofta. Nätverkets partiskhet underlättar uppfattning av frekventa ord, och dessa (per definition) är ord du stöter på det mesta. Därför. nätverkets partiskhet hjälper erkännande i de mer frekventa fall, och bara skadar erkännande i de sällsynta fall. nödvändighet då hjälper nätverkets partiskhet uppfattning oftare än det gör ont.

Omdömen

Visste du gillar den här artikeln? Du kan skriva artiklar som denna och