Modelli di memoria semantica e lessicale: studio modellistico dei meccanismi di apprendimento dipendenti dal contesto e dall'esperienza

Lo studio della memoria semantica gioca un ruolo importante nelle neuroscienze; in tale ambito i modelli teorici possono dare un contributo fondamentale per comprendere i meccanismi operanti. Il modello neurale presentato in questa tesi è una rappresentazione della memoria semantica e lessicale, che sfrutta la regola di Hebb per addestrare le sinapsi. Il principio alla base è che la semantica di un oggetto è descritta attraverso una collezione di proprietà, caratterizzate da una differente frequenza di occorrenza che determina il diverso grado di “salienza”. L’obiettivo del lavoro è quello di estendere un modello sviluppato negli anni precedenti (Ursino et al., 2015) e, analizzare il ruolo delle diverse proprietà nella costruzione di un concetto e il loro legame con la parola. Un aspetto innovativo è comprendere come la rappresentazione concettuale sia eventualmente dipendente da un contesto. Tutti i modelli sono stati addestrati con una soglia post-sinaptica variabile che dipende dall’attività del neurone presinaptico. Soffermandoci sulla regola di apprendimento è stato migliorato il concetto di salienza, evitando che una proprietà condivisa da molti concetti divenga saliente e sia attribuita erroneamente all’intera categoria. È stato simulato il concetto di contesto facendo uso della probabilità condizionata; realizzando una rete caratterizzata da proprietà context dependent e context independent. Le successive simulazioni, con la rete addestrata, hanno mostrato come, la rappresentazione semantica dipenda dal contesto. Infine è stato realizzato un modello per simulare soggetti diversi con differenti rappresentazioni semantiche. Ogni soggetto, ha mostrato, al termine della simulazione, una propria rappresentazione semantica della parola strettamente dipendente dall’esperienza personale.