دانلود مقاله ISI انگلیسی شماره 124412
ترجمه فارسی عنوان مقاله

چارچوب پیشنهادی برنامه نویسی برای یک عامل توسعه: یادگیری مهارت های گفتاری و تولید گفتار

عنوان انگلیسی
A predictive coding framework for a developmental agent: Speech motor skill acquisition and speech production
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
124412 2017 67 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Speech Communication, Volume 92, September 2017, Pages 24-41

ترجمه کلمات کلیدی
به حداقل رساندن خطای پیش بینی، خودسازگاری از مراحل تکاملی، شبکه مجازی شنوایی حسی، تجارب بازیگر منتقد شبکه استنتاج فعال،
کلمات کلیدی انگلیسی
Prediction error minimization; Self-organization of developmental stages; Recurrent network; Auditory sensory; Proprioception; Actor–critic network; Active inference;
ترجمه چکیده
هدف ما بررسی فرایند یادگیری مهارت های گفتاری و تولید گفتار در چنین عامل است. آزمایش های اکتشافی استاندارد آوازی نشان می دهد که آن ها یاد می گیرند صداهایی مانند صدای سخنرانی (آواز صوتی و پروتو هجا و واکه) و همچنین زمان اجرای اعدام موتور را یاد بگیرند. اکتشاف تصادفی منجر به خودسازگاری مراحل تکاملی توالی های صوتی در عامل به علت افزایش پیچیدگی صدا می شود. خود سازمانی به برخی از نمایندگی های صوتی خاص غیر ممکن است. خودآزمایی اجازه می دهد تا عامل به یادگیری صداهای محیط زیست به سرعت. آن را در محیط های مختلف به طور متفاوتی تلفظ می کند.
پیش نمایش مقاله
پیش نمایش مقاله  چارچوب پیشنهادی برنامه نویسی برای یک عامل توسعه: یادگیری مهارت های گفتاری و تولید گفتار

چکیده انگلیسی

Our goal is to investigate the process of speech motor skill acquisition and speech production in such an agent. Standard vocal exploration experiments show that it learns to generate speech-like sounds (acoustic babbling followed by proto-syllables and vowels) as well as the timing for motor command execution. Random goal exploration leads to the self-organization of developmental stages of vocal sequences in the agent due to increase in complexity of vocalization. The self-organization is invariant to certain acoustic feature representations. Self-exploration allows the agent to learn to imitate environmental sounds quickly. It learns to vocalize differently in different environments.