ACT-R Adaptive Control of Thought-Rational Hatırlatma Dış Dünya Görsel Birim (Occipital) Manuel Birim (motor/cerebellum) Görsel tampon Parietel Manuel tampon motor Amaç Tamponu DLPFC Geri Çağırma tamponu VLPFC Bildirim Birimi (temporal/hippocampus) Niyet Birimi Eşleme Striatum Seçme Pallidum Eylem Thalamus Üretim Bazal çekirdekler Birimlerdeki oluşumlara duyarlı değil sadece tamponlardaki bilgiye duyarlı Örüntü tanıma Çelişki çözümleme Eylemi kontrol etme/gerçekleme Kural tabanlı yapı İşlevsel bellek A production rule in ACT-R corresponds to a specification of a cycle from the cortex, to the basal ganglia and back again

Aktivasyonun ‘dan büyük olma olasılığı Kural tabanlı yapı ile gerçekleştirilen ve işlevsel belleğe karşı düşen yapının nöral karşılığı Bazal çekirdekler ve thalamus Her bir birimin içinde parallel yapı var, ayrıca birimler de parallel düzende ve senkronize çalışmakta. chunk Her bir tampon birimi tek bir birim ifade edilebilir bellek bilgisi içermekte !!! ! W anlamı farklı Bir “chunk”’ın aktive olması: Bir sayı, acaba ne? W atentional weight, Sij i. Eleman ile j. chunk arasındaki ilişkinin ağırlığı döküman sayfa 18 Using a common formula in activation theories, the activation of a chunk is a sum of a base-level activation, reflecting its general usefulness in the past, and an associative activation, reflecting its relevance to the current context. The activation of a chunk i is defined as: Ai = Bi + Σ j Wj Sji Activation Equation where Bi is the base-level activation of the chunk i, the Wj’s reflect the attentional weighting of the elements that are part of the current goal, and the Sji’s are the strengths of association from the elements j to chunk i. 0.5 i. “chunk”’ın aktivasyonu Taban aktivasyon zaman Aktivasyonun ‘dan büyük olma olasılığı Bir sayı, acaba ne? 0.4

Denetleyici Dikkat Sistemi Supervisory Attentional System D.A. Norman, T. Shallice tarafından 1980/1986 yıllarında önerilen, yönetimsel fonksiyonların bilişsel süreçleri kontrol eden ve yönlendiren bilişsel süreçler olduklarına ilişkin model. Model ile ADHD, Şizofreni, Parkinson gibi hastalıklar, frontal lob hasarlarındaki davranış bozuklukları için incelemeler yapılmıştır. http://en.wikipedia.org/wiki/Supervisory_attentional_system#mediaviewer/File:Graphical_representation_of_the_Norman_%26_Shallice_model.png

D.A. Norman, T. Shallice, «Hierarchical Schemas and Goals in the Control of Sequential Behavior,», 2006.

R.P. Cooper, T. Shallice, «Attention to action: willed and automatic control of behavior,», 1986.

MAVİ YEŞİL KIRMIZI SARI YEŞİL MAVİ SARI KIRMIZI Stroop Testi MAVİ YEŞİL KIRMIZI SARI YEŞİL MAVİ SARI KIRMIZI SARI KIRMIZI YEŞİL MAVİ KIRMIZI YEŞİL MAVİ SARI MAVİ SARI KIRMIZI YEŞİL YEŞİL MAVİ SARI KIRMIZI

özgün ödev için otomatik olan davranışı bastırmak • Ölçütler Stroop Test Seçici Dikkat özgün ödev için otomatik olan davranışı bastırmak • Ölçütler testin süresi hata sayısı, düzeltme sayısı

Model

Modelin Yapıları Duyusal ve Motor Devreler: Hopfield Ağları Kelime okuma : Denge noktası kelime vektörleri Renk Söyleme : Denge noktası renk vektörleri Hata Sezici: Anterior Cingulate Cortex (“Perceptron”lar) Otomatik Cevaplar : Basal Ganglia (Max-Net) Bastırma : Orbitofrontal Cortex (Hopfield Ağı) Dikkatin yönlendirilmesi : Anterior Cingulate Korteks (Winner-Take-All)

Benzetim Sonuçları Baz Ol. Süre (sec) # Hata # Düz. Yorum 0.4 0.1 28.4 ± 3.2 0.4 ± 0.6 0.08 ± 0.3 0.9 28.9 ± 2.4 0.3 ± 0.5 0.3 31.7 ± 1.8 2 ± 0.7 33.6 ± 4 2.8 ± 1.5 0.9 ± 0.9 0.2 36.6 ± 2.2 5.6 ± 1.9 39.7 ± 2 5 ± 1.3 1.75 ± 1.2 39.5 ± 2.5 9.6 ± 2.3 47 ± 2.8 9.2 ± 2.7 3.3 ± 1.7 0.05 40.4 ± 2.8 11.3 ± 2.2 0.3 ± 0.7 48.3 ± 2.5 11.4 ± 1.8 3 ± 1.5 bastırma süre

Wisconsin Kart Sıralama Testi WCST • soyutlama, • hipotez sınama, • zihinsel esneklik. Referans kartlar

WCST-Testin Değerlendirilmesi • Doğru yanıtlar • Tamamlanan kategoriler • Perseveratif (ısrarcı) yanıtlar • Kurulumu sürdürmede başarısızlık (FMS)

WCST- önerilen model • Kuralın belirlenmesi • Kart Seçimi Sınıflama kuralını belirlemek Uygulayıcının yanıtı “doğru” ise kuralı tutmak, “yanlış” ise kuralı değiştirmek • Kart Seçimi Sınıflama kuralına uygun referans kartı belirlemek

Referans Kartlar Kart belirleme Çalışma belleği Bir önceki kuralı tutmak veya yeni kuralı belirlemek için uygulayıcının yanıtını tutmak Rule Specifier Hipotez üreteci Uygulayıcının yanıtı”yanlış” ise alternatif kural üretme ve çalışma belleğine sunma Hypothesis Generator

Kırmızı:[1000] Üçgen:[1000] 1:[1000] Kartların kodlanması Renk Şekil Sayı Kırmızı:[1000] Üçgen:[1000] 1:[1000] Sarı :[0100] Yıldız :[0100] 2:[0100] Mavi :[0010] Artı :[0010] 3:[0010] Yeşil :[0001] Daire :[0001] 4:[0001] renk şekil sayı

Benzetim Sonuçları Koşul Ham. uzak Hop. eşik #Doğru cevap #Kategori % Pers. hata FMS Yorum 1 3 T 64.6  3.5 6.0  0 9.9  2.8 0  0 Esnek 4 3-2 64  1.8 6.0  0 9.5  2.1 7 2 67.6  3.7 14.2  4.6 Az Esnek 10 2-1 70.7  5.5 17.9  3.7 T1 73.7  6.1 1.1  0.5 19.7  2.9 3.2  1.6 Zihni dağınık 5 75.9  6.1 1.6  1.0 17.7  3.4 2.7  1.3 8 66.3  9.1 0.4  0.5 24.6  4.9 2.6  2.1 Katı/Dağ. 11 73.2  6.3 1.3  0.5 21.2  5.0 2.4  1.2 T2 66.2  8.4 0.3  0.5 26.5  6.4 2.4  1.8 6 72.6  7.9 0.8  0.8 25.9  6.2 3.1  1.7 9 66.7  9.9 0.5  0.7 27.9  8.6 2.0  1.5 12 59.8  6.3 0.1  0.3 29.1  6.9 2.0  0.9 14 58.8  6.9 1.1  0.4 32.4  6.2 1.1  0.6 Katı 17 31.5 4.7 0  0 38.6  4.8 0  0 15 61.9  8.3 0  0 27.7  6.8 18 30.4 4.1 39.4  3.5 13 39.4  0.5 1.0  0 67.8  0.5 Çok Katı 16 32.8  2.5 73.0 1.5

Hesaplamalı Sinirbilim Ne ile ilgilenir? Biyolojik ve fonksiyonel açıdan, gerçek sinir hücresinin, hücre gruplarının, sinir sistemine ilişkin yapıların fizyolojisini ve dinamik davranışını açıklamayı hedefler. Ne ile ilgilenmez? Bilişsel süreçleri modelleme de yararlanılan ve psikolojideki ilkelere dayalı «bağlantıcı» modeller ve makina öğrenmesi, yapay sinir ağları, hesaplamalı öğrenme teorisi gibi öğrenmeye ilişkin disiplinlerin yaklaşımları ve hedefleri ile ilintili değildir. Connectionist Modeller farklı zamansal ve konumsal ölçeklerde süreçleri ele alırlar Küçük boyutlu Orta boyutlu Büyük boyutlu Tek hücre dinamiklerinin ele alındığı modeller. Hücre aktivasyonu incelenmekte. Farklı beyin bölgelerinin etkileşimin ele alındığı modeller. Bir grup hücrenin davranışının ele alındığı modeller.

Sinirbilimde Model Küçük boyutlu http://jn.physiology.org/content/jn/83/5/3084.full.pdf http://strangepaths.com/wp-content/uploads/2006/10/neuron.jpg E.M. Izhikevich, “Dynamical Systems in Neuroscience”, MIT Press, 2007

Orta boyutlu N.S.Şengör, Y. Kuyumcu, R.K.Çiftçi SİU 2014 http://faculty.georgetown.edu/bth/glial%20neuronal%20mixed%20culture.jpg http://learnmem.cshlp.org/content/11/6/697.full.pdf+html

Hatırlatma/ Ders 8 Bir doğrusal olmayan sistemin durum portresine bakalım Bu üç denge noktasının civarında lineer eşdeğerin özdeğerlerine baksaydık nasıl özdeğerler görecektik?

Dallanma (Bifurcation) Dallanma: Bir parametrenin değişimi ile topolojik olarak eşdeğer olmayan durum portresinin oluşumuna “dallanma” denir. Bir örnek F.C.Hoppensteadt, E.M. Izhikevich, “Weakly Connected Neural networks”, Springer, 1997. E.M. Izhikevich, “Dynamical Systems in Neuroscience”, MIT Press, 2007