项目名称: 心理数量表征:计算模型研究

项目编号: No.31300834

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 医药、卫生

项目作者: 陈琦

作者单位: 华南师范大学

项目金额: 21万元

中文摘要: 在最近的认知神经科学和心理学研究中,数量表征是一个引起广泛关注的研究主题;研究者通过单神经元记录、神经影像以及发展心理研究等不同方法对其进行了研究。在本项目中,我们试图通过计算模型来研究和理解数量表征:(1)虽然已经有大量研究考察了双数量表征系统的假设(Feigenson, Dehaene, & Spelke, 2004): 一个近似大数表征系统和一个精确客体档案小数表征系统。但这两个系统的计算功能的实质依旧不清楚。因此,本项目核心内容之一是扩展现有绝对数量表征(例如,一集合物体的数目)计算模型,来帮助人类更好地理解双数量表征系统的假设。(2)最近,对复杂数量表征(例如,比率)的研究也越来越多。但迄今为止,绝对量表征和比率表征的相互关系,以及大脑如何表征像比率这样比较复杂的数量还不是很清楚。因此,本项目核心内容之二是提出比率的增益域模型来帮助人类更好地理解比率表征的神经科学和计算科学基础。

中文关键词: 数量表征;计算模型;功能磁共振成像;;

英文摘要: Because number is a core construct underlying much intelligent behavior, the representation of number is a topic of great interest in cognitive neuroscience and psychology. Number cognition has been investigated with a diversity of methods, including single-cell recording, neuroimaging, and (developmental) behavioral paradigms. Here, we aim to investigate and understand the representation of number by means of computational modeling. Based on previous empirical work, two core systems of number representation have been proposed (Feigenson, Dehaene, & Spelke, 2004): an approximate system for computations involving large numbers, and a more precise object file system that codes small numbers. However, the nature of these two core systems of number has remained unspecified. In the first study, we evaluate whether a previous absolute number representation (e.g., the number of objects in a set) computational model can incorporate the two core systems. Furthermore, because the field has been dominated by investigations of absolute number representation, the second study is dedicated to illuminating aspects of representations involving proportions (ratios of quantities). The correlation between absolute number representation and proportion representation, and the nature of proportion representations are still elusive. W

英文关键词: Number Representation;Computational Modeling;fMRI;;

成为VIP会员查看完整内容
0

相关内容

《深度学习中神经注意力模型》综述论文
专知会员服务
112+阅读 · 2021年12月15日
【计算所&清华等新书】预训练方法信息检索,109页pdf
专知会员服务
64+阅读 · 2021年11月30日
专知会员服务
31+阅读 · 2021年5月7日
CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型
专知会员服务
62+阅读 · 2021年4月11日
专知会员服务
144+阅读 · 2021年2月3日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
52+阅读 · 2020年12月1日
【Nature通讯】深度神经网络模型中的个体差异
专知会员服务
13+阅读 · 2020年11月16日
专知会员服务
219+阅读 · 2020年8月1日
PNAS权威研究:论文越多,科学发展越易放缓
学术头条
0+阅读 · 2021年12月12日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
【学科发展报告】计算机视觉
中国自动化学会
42+阅读 · 2018年10月12日
如果你研究多因子模型,这篇文章看不懂就别玩了!
量化投资与机器学习
25+阅读 · 2018年7月31日
计算文本相似度常用的四种方法
论智
33+阅读 · 2018年5月18日
python文本相似度计算
北京思腾合力科技有限公司
24+阅读 · 2017年11月6日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
10+阅读 · 2020年11月26日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
小贴士
相关VIP内容
《深度学习中神经注意力模型》综述论文
专知会员服务
112+阅读 · 2021年12月15日
【计算所&清华等新书】预训练方法信息检索,109页pdf
专知会员服务
64+阅读 · 2021年11月30日
专知会员服务
31+阅读 · 2021年5月7日
CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型
专知会员服务
62+阅读 · 2021年4月11日
专知会员服务
144+阅读 · 2021年2月3日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
52+阅读 · 2020年12月1日
【Nature通讯】深度神经网络模型中的个体差异
专知会员服务
13+阅读 · 2020年11月16日
专知会员服务
219+阅读 · 2020年8月1日
相关资讯
PNAS权威研究:论文越多,科学发展越易放缓
学术头条
0+阅读 · 2021年12月12日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
【学科发展报告】计算机视觉
中国自动化学会
42+阅读 · 2018年10月12日
如果你研究多因子模型,这篇文章看不懂就别玩了!
量化投资与机器学习
25+阅读 · 2018年7月31日
计算文本相似度常用的四种方法
论智
33+阅读 · 2018年5月18日
python文本相似度计算
北京思腾合力科技有限公司
24+阅读 · 2017年11月6日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员