یادگیری ضمائر انگلیسی با داده و مکانیزم های عمومی آموزش (شبیه سازی با شبکه های عصبی مصنوعی)

پایان نامه
چکیده

در طول نیم قرن گذشته و پیرو نظریات چامسکی ، بسیاری از زبان شناسان مکتب generative linguistics پذیرفته اند که آموزش گرامر زبان امری غریزی بوده ، به صورت قاعده فرا گرفته می شود و یک ماجول مجزا در مغز مسئول فراگیری آن است . یکی از حوزه های زبان که بیشتر از حوزه های دیگر توجه آنان را به خود جلب کرده سیستم پیچیده مربوط به ارجاع توسط ضمائر بوده است. از این پیچیدگی در بسیاری از بحث ها به عنوان نشانه ای از غرایز ذاتی برای آموزش زبان تعبیر شده است. این مطالعه بر روی امکان یادگیری تعدادی از این ضمائر از روی داده و مکانیزیم های عمومی آموزش انجام شده است.در این مطالعه امکان یادگیری ضمائر انگلیسی در یک شبکه عصبی مصنوعی آزمایش شده است. ضمائر انتخاب شده عبارتند از : he, she, him, her, himself, herself . این ضمائر در دو شبکه عصبی متفاوت آزمایش شدند. اولی شبکه feed forward back propagation و دیگری شبکه elman recurrent . آنچه نتایج این تحقیق به طور کلی نشان میدهد حاکی از توانائی آموزش ضمائر انگلیسی توسط شبکه عصبی مصنوعی است. ولی بین نتایج به دست آمده از این دوشبکه اختلاف هایی هم وجود دارد. اول اینکه در تمامی شبیه سازی ها کارکرد شبکه elman recurrent بهتر از شبکه feed forward back propagation می باشد. دوم اینکه توانائی شبکه در تعمیم آنچه که یاد گرفته بود به اسامی جدید همواره کمی کمتر از اسامی قبلا داده شده بود. دلایل این رفتار های شبکه در بخش مربوطه بحث می شود. یافته های این تحقیق دلالت بر دیدگاه های مکاتب emergentist و associationist در اموزش زبان دارد. این یافته ها همچنین بر این دلالت دارد که اهمیت غرائز مختص زبان برای آموزش این قسمت از ضمائر انگلیسی کمتر از آن مقداری است که در generative linguistics مطرح می شود.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شبیه سازی سطح ایستابی دشت ملایر براساس داده های هواشناسی با استفاده از شبکه‎ی عصبی مصنوعی

برای بررسی کارایی شبکه‎ی عصبی مصنوعی در شبیه‌سازی تغییرات سطح ایستابی سفره‎ی آب زیرزمینی دشت ملایر، از اطلاعات هواشناسی ایستگاه‌های تبخیرسنجی در سطح دشت، حجم آب برداشتی از سفره و مقادیر سطح ایستابی آن استفاده شد. از این اطلاعات، به‌عنوان ورودی شبکه‎ی عصبی مصنوعی نوع پرسپترون چندلایه در چارچوب چهار ساختار اطلاعاتی استفاده شد. ساختار اوّل، شامل میانگین اطلاعات دمای حدّاکثر هوا، دمای حدّاقل هوا، حدّاک...

متن کامل

طراحی و شبیه سازی یک الگوریتم مسیریابی در شبکه های سیّار اقتضایی مبتنی بر شبکه های عصبی مصنوعی

چکیده یکی از انواع شبکههای بی سیم که در سالهای اخیر بسیار مورد توجه قرار گرفته اند، شبکههای اقتضایی سیّار است که از تعدادی گره متحرک تشکیل شده است. متغیّر بودن موقعیت نسبی گرههای تشکیل دهنده، نیاز به الگوریتم مسیریابی چابکی دارد که بتواند تحّرک گرهها را مدیریت نموده و بستههای انتقال یافته را به طرز صحیحی به مقصد برساند به طوری که هیچ یک از دو طرف ارتباط از وجود تحّرک در گرههای شبکه مطلع نشوند. ای...

متن کامل

شبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی

This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer pe...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023