有穷多模态类型逻辑语法及其在汉语中的应用

多模态类型逻辑是一种模态Lambek演算的分支。以类型逻辑为基础的范畴语法一般用于自然语言的智能处理。在多模态类型逻辑语法中添加假设集的方式可以用来处理汉语语言现象。本文采用带有穷假设集的多模态非结合Lambek演算的根岑表述系统。介绍其句法和代数语义,证明了其可靠性与完全性。探讨了在多模态非结合Lambek演算系统下,有穷假设集在汉语语序与异常句等处理上的应用,并简述了此方法的优势。     

多模态信息认知加工的研究进展

现实世界中，信息是以各种各样的模态存在的。随着科学技术的发展，结合视、听、图不同形式而呈现的多模态(Multimode)信息逐渐成为信息加工的一种重要形式。多模态信息的认知加工也已成为认知心理学与工程心理学研究中的一个热点问题。本文概述了有关多模态信息加工过程中的促进效应、干扰效应及抑制机制的主要研究，并加以评论。     

探析多模态话语分析理论在成人英语教育中的应用

随着网络技术以及多媒体技术的不断发展,语言的阐释已经从传统的单一的文本模式转变为当今的多种模态的表达模式。本文结合成人英语的教育现状,从多模态话语分析理论角度,对成人英语课堂中的多模态符号进行分析,提出要通过协调多模态话语因素,最大化教学成果,从而促进成人英语教育的发展。     

城市特色文化传播的多模态探讨

城市特色文化传播是一种以城市特色文化为内容,以传播媒体为载体的新型城市宣传方式。文章以多模态理论为框架,从接触、距离、视角三个角度对城市特色文化传播的多模态进行了深入分析,以促进城市特色文化传播工作更好地开展。     

自闭症儿童话语多模态个案研究

以多模态理论为基础,从语言、非语言及其跨通道性等方面比较正常男童和两个自闭症男童叙事语言。叙事中,他们讲述一个无字书《青蛙,你在哪里?》的故事并录像。分析多模态语料发现,高功能自闭症儿童和正常儿童的叙事字数、句数,代词、语气词、心理词汇的数量和概念错误数没有显著差别,中度自闭症患儿在这些方面显著不及高功能自闭症儿童。非语言及跨通道方面,高功能自闭症儿童比中等程度患儿表现要好,中等自闭症儿童无法集中注意力,无法独自完成述说故事。针对他们的多模态特征,提出了康复建议。     

多模态范畴逻辑研究

一、多模态范畴逻辑的背景介绍自上个世纪70年代以来,逻辑和语言的交叉研究获得长足发展。该领域的基础是范畴语法:作为开端的蒙太格语法,其思想来源于范畴语法;而蒙太格语法以后的类型-逻辑语义学及语法逻辑均是范畴语法序列的延伸。近20来年,关于自然语言的范畴语法分析已在计算机信息处理领域内获得了应用。同时,对范畴语法进行逻辑系统的抽象,并构造可能世界的框架语义解释,就形成了所谓多模态范畴逻辑。可以说,范畴语法是多模态范畴逻辑产生的背景。范畴语法是一种使用运算和推演的手段描述语言的形式化工具。运算的概念与数学相关,所…     

引入眼动注视点的联合-交叉负载多模态认知诊断建模

多模态数据为实现对认知结构的精准诊断及其他认知特征(如, 认知风格)的全面反馈提供了可能性。为实现对题目作答精度、作答时间(RT)和视觉注视点数(FC)的联合分析, 本文基于联合-交叉负载建模法提出3个多模态认知诊断模型。实证研究及模拟研究结果表明: (1)联合分析比分离分析更适用于多模态数据; (2)新模型可直接利用RT和FC中信息提高潜在能力或潜在属性的估计准确性; (3)新模型的参数估计返真性较好; (4)忽略交叉负载所导致的负面结果比冗余考虑交叉负载所导致的更严重。     

图式逻辑:哲学逻辑的一个新分支

逻辑研究有效推理,判定其有效的依据是结论所传达的信息与前提所传达的信息之间的必然关系,而传达这些信息的媒介不一定就是语言。日常推理是运用语句、图形甚至声音、气味等多种信息进行的多模态推理,对这些多模态表示系统和推理的研究已经成为心灵哲学、认知科学、心理学、教育学、数学、逻辑学和计算机科学等领域的交叉地带。自从     

人工智能辅助的自闭症早期患者的筛查与诊断

自闭症谱系障碍(Autistic Spectrum Disorders, ASD)的症状早在婴幼儿期就会显现, 越早发现, 越早干预, 治疗效果越好。传统自闭症早期筛查与诊断在评估方法、流程上存在局限, 无法满足大规模筛查和诊断需求。随着人工智能技术的快速发展, 使用智能化方法进行自闭症早期大规模无感筛查与诊断逐渐成为可能。近10年间, 国内外对自闭症智能化识别方法的探索在经典任务行为、面部表情和情绪、眼动、脑影像、运动控制和运动模式、多模态6个领域积累了丰富的研究成果。未来研究应围绕构建国内自闭症早期智能医学筛查与诊断体系, 开发针对婴幼儿患者的筛查工具, 构建融合多模态数据的自闭症婴幼儿智能化识别模型, 建立结合脑影像技术的自闭症精细化诊断方法等方面来开展。     

联合作答精度和作答时间的概率态认知诊断模型

对多模态数据的联合分析是改进结果评价、健全综合评价的主要途径。针对概率态认知诊断模型(CDM)仅能分析题目作答精度(RA)的局限,本文基于联合-层级建模框架和联合-交叉负载建模框架提出三个可联合分析RA和题目作答时间(RT)的概率态联合CDM。模拟研究和实证研究结果表明：(1)新模型参数估计返真性良好,额外引入RT有助于提高参数估计精度并提供有关个体加工速度的测量;(2)基于联合-交叉负载建模框架构建的模型对测验情境的兼容性优于基于联合-层级建模框架构建的模型;(3)概率态属性比确定态属性更精细地反映个体对属性的掌握情况。     

失眠患者静息态脑网络的改变：网络内与网络间的功能连接异常

失眠已成为现代人群中的一种高发健康问题。静息态功能磁共振以其数据采集便利性和无创性, 成为失眠研究的主要成像手段之一。基于近年来静息态功能磁共振的发现, 失眠患者存在前额叶、颞叶、前扣带回、脑岛等认知-情绪神经环路的异常。大尺度脑网络是涵盖多个脑区、功能相对单一的大脑结构。失眠患者存在默认网络、突显网络、认知控制网络和负性情绪网络内部活动与连接异常, 而且呈现出以默认网络为核心, 包含认知控制网络、突显网络、负性情绪网络的网络间连接异常模式。此外, 结合症状、治疗和大尺度脑网络的视角, 可为失眠的“精准治疗”提供神经理论依据。未来研究可结合大数据和多模态分析技术, 验证静息态功能磁共振已有发现。而失眠的纵向追踪和队列研究会有利于进一步阐释失眠的神经机制。     

语言认知神经科学研究中的脑沟形态分析

语言是人类最重要的能力,神经影像学通过多种方式探讨其神经生理学基础。近年来,精神和神经疾病患者中报告了脑沟形态异常,启发研究者进一步探讨皮层表面精细形态特征与语言等认知能力的关系。我们总结了脑沟形态分析的主要方法,并探讨了其在语言认知神经科学中的应用现状及今后可能的研究方向。通过整合脑沟形态及多模态数据,能够帮助研究者全面理解语言认知能力和大脑结构的关系。     

二语习得中介语石化现象研究

中介语石化在当今二语习得中常常出现,也是二语习得理论研究的热门课题之一。本文通过对大学生中介语石化现象产生原因的论述,并针对这些导致语言石化的因素,结合大学生英语学习中出现的问题,提出如何从大学英语教学的多模态性和英语词汇教学中文化导入出发减轻甚至是克服中介语石化现象。     

神经影像视角下的肥胖脑机制研究

肥胖作为一种全球性流行病,与许多慢性非传染性疾病密切相关。本文主要从脑功能和脑结构层面对现有肥胖研究做系统梳理。脑功能上,个体在加工食物线索时奖赏环路的过度激活、认知控制环路的活动缺失构成了肥胖的易感因子。脑结构上,全脑灰质体积、白质纤维束完整性和整体弥散水平的降低,从不同的影像层面提供了肥胖的神经解剖证据。未来研究可以从纵向研究的开展、干预措施的扩展和多模态脑成像数据的整合等方面展开。     

近红外光学成像在社会认知神经科学中的应用

社会认知神经科学是运用认知神经科学的研究手段,探讨社会科学问题与理论的多学科交叉领域。近来,功能性近红外光学成像技术(functional near-infrared spectroscopy,fNIRS)凭借生态效度高、成像安全、对头动耐受性高、成本低等优势,成为了该领域新兴的热点技术。无论是在婴儿发育和社会经济决策的单脑研究中,还是在人际互动的多脑研究中,它都有广泛应用。未来近红外光学成像的应用可以向多脑神经反馈、脑机接口技术、设备无线化和多模态成像做进一步探索。     

拖延的认知神经机制与基因:行为-脑-基因的多角度研究

拖延是一种普遍存在,具有跨时间和跨情景稳定性的问题行为,严重的拖延甚至会危害到人们的工作、学习及身心健康。鉴于目前对于拖延的认知神经机制仍不清楚,研究模态较为单一,本研究拟从行为-脑-基因的系统研究思路出发,以多模态MRI(Task、Resting、VBM和DTI)为主要技术手段,将HTR2B基因多态性作为突破口,系统考察拖延的认知机制、神经基础和遗传基础,并试图制定拖延的应对与干预方案。研究分为4个部分:(1)从行为上,结合预期恐惧范式和跨期选择范式探索其拖延决策的机制;(2)在神经层面上,采用MRI多模态技术系统考察拖延行为的神经基础;(3)在基因层面上,采用分子遗传学方法,将HTR2B设定为靶基因以深入研究拖延的遗传基础,并考察脑结构和脑功能在基因与行为间的中介作用;(4)最后从行为干预与脑的可塑性的角度,设计拖延的干预方法来改善拖延行为并验证拖延的神经机制。     

机器学习在发展性阅读障碍儿童早期筛查中的应用

发展性阅读障碍严重影响儿童的学业成就、心理健康和社会适应能力。近年来,机器学习因其强大的数据处理和挖掘能力逐渐被应用到阅读障碍儿童的早期筛查中,在标准化心理教育测试、眼动追踪、游戏测试、脑成像等多个领域积累了较为丰富的成果,获得了更加精准高效、灵活可靠的分类结果。然而,机器学习在对象选取、数据采集、转化潜力和安全隐私等方面仍存在局限性。未来研究需要重点关注学龄前阅读障碍儿童的早期筛查系统的科学性,同时积极构建多模态数据库、在多种算法中寻找最佳算法以获取最优参数,最终实现临床实践中的广泛使用。     

睡眠的同步EEG-fMRI研究述评

同步EEG-fMRI利用了脑电和功能磁共振在时空分辨率上的互补优势,为睡眠研究提供了多模态的无创手段.这使得睡眠的神经成像研究可以借助电生理方法进行睡眠分期和特殊脑电事件研究,为探讨不同意识状态下神经活动动态过程提供了条件.本评述从自发脑活动和睡眠中的知觉过程两方面介绍了目前该领域的最新进展,结合硬件构成、被试安全和数据质量等问题总结了同步记录应用于睡眠的优缺点.同步EEG-fMRI技术在睡眠研究中的应用对于阐明意识状态转换的神经机制具有深刻意义,并有可能为临床睡眠障碍的诊断和治疗提供全新的思路.     

婴儿情绪与社会认知相关的听觉加工

听觉是人类获得外部环境信息的主要感官之一,对情绪与社会认知相关听觉加工的发展有重要意义。在生命早期,新生儿、婴儿对情绪语音已有感知、分辨与识别能力并表现出对特定情绪的加工偏好;对人类语音、母语等带有社会属性声音也产生了加工偏好;在诸如面孔识别等社会认知能力的发展中,听觉也起到一定作用,听觉障碍则影响有关社会认知的发展。建议未来研究有更多纵向设计,结合多模态成像技术来更好地解决发展性问题。     

痛苦逃避和自我参照惩罚条件下脑电特征对自杀意念的分类效能

采用支持向量机的特征递归选择算法, 创新性采用三维心理痛苦量表和自我参照情感激励延迟任务, 建构自杀意念分类模型的重要特征集, 并比较自杀意念和抑郁的分类模型重要特征集差异。结果发现, 痛苦逃避是自杀意念分类模型的首位特征; 基于痛苦加工特征的自杀意念多模态分类模型效能优良。研究首次证实了在机器学习建构复杂的自杀意念分类模型中, 痛苦逃避及其相关脑电成分的重要性。拓展了结合心理痛苦三因素模型和机器学习算法对自杀预测的临床应用可行性。