توانمندی های مدل انرژی آزاد مغز نسبت به مدل های شبکه های معنایی و ACT-R
محل انتشار: فصلنامه تازه های علوم شناختی، دوره: 23، شماره: 4
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 235
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ICSS-23-4_010
تاریخ نمایه سازی: 30 بهمن 1400
چکیده مقاله:
مقدمه: مدل های مختلف شناختی که نمایان گر فرایندهای شناختی مغز هستند در حوزه هایی مانند روان شناسی و هوش مصنوعی پیشنهاد شده که موارد استفاده فراوانی هم دارند. با توجه به اهداف ارائه این مدل ها که مهم ترین آنها مطالعه ویژگی های مغز در فرایند انجام عملکردهای عالی شناختی، بازتوانبخشی بیماران و هوشمندسازی ماشین هاست، نیاز است تا مدل های پیشنهادی مورد بررسی و مقایسه دقیق قرار گیرند.
روش کار: در این پژوهش از طریق جمع آوری داده های کتابخانه ایی اطلاعات مربوط به سه مدل شناختی یعنی مدل های شناختی شبکه های معنایی ((ACT-R) Adaptive Control of Thought-Rational) و انرژی آزاد مغز بررسی شدند.
یافته ها: مدل شبکه های معنایی امکان تولید دانش معنایی (اخباری) را دارد. مدل ACT-R که یکی از کاربردی ترین مدل های شناختی انسان است، امکان تولید دانش های اخباری و رویه ایی (مهارتی) را فراهم می کند. مدل های شبکه های معنایی و انرژی آزاد، نیازمند برنامه نویسی هستند، در حالی که مدل ACT-R در قالب یک نرم افزار کاربردی ارائه شده است. مدل انرژی آزاد مغز ضمن تولید انواع دانش های اخباری، تولیدی و شرطی با بروزرسانی مفاهیم و ادراکات حسی دریافتی و نیز فرضیه های پیشین مبتنی بر استنباطات احتمالی بیزی، و بر اساس کمینه سازی انرژی آزاد مغز، مشابه استنباطات انسانی عمل می کند.
نتیجه گیری: علیرغم پیچیدگی مدل انرژی آزاد ولی با توجه به جامعیت بیشتر آن، در توصیف عملکردهای شناختی مانند ادراک، یادگیری، توجه، تصمیم سازی و همچنین تحلیل بیماری های شناختی انسان می تواند نتایج بهتر و گسترده تری به دست دهد.
کلیدواژه ها:
Semantic networks ، ACT-R ، Free energy model ، Active inference ، شبکه های معنایی ، ACT-R ، مدل انرژی آزاد مغز ، استنباط فعال
نویسندگان
جمشید قسیمی
PhD Student, Department of Cognitive Modeling and Brain Computation, Institute for Cognitive Science Studies, Tehran, Iran
فرشاد عشقی
Assistant Professor, Department of Electrical & Computer Engineering, Kharazmi University, Tehran, Iran
منوچهر کلارستاقی
Assistant Professor, Department of Electrical & Computer Engineering, Kharazmi University, Tehran, Iran
محسن میر محمد صادقی
Assistant Professor, Department of Cognitive Psychology, Institute for Cognitive Science Studies, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :