توانمندی های مدل انرژی آزاد مغز نسبت به مدل های شبکه های معنایی و ACT-R

سال انتشار:

1400

نوع سند:

مقاله ژورنالی

زبان:

فارسی

مشاهده:

65

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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.

نویسندگان

جمشید قسیمی

PhD Student, Department of Cognitive Modeling and Brain Computation, Institute for Cognitive Science Studies, Tehran, Iran

فرشادعشقی
فرشاد عشقی

Assistant Professor, Department of Electrical & Computer Engineering, Kharazmi University, Tehran, Iran

منوچهرکلارستاقی
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 :
  • Strenberg R. Cognitive psychology. Belmont, CA:Thomson/Wadsworth;۲۰۰۶ ...
  • Anderson B. Computational neuroscience and cognitive modelling: A student's introduction ...
  • Friston K, Kilner J, Harrison L. A free energy principle ...
  • Love BC. Encyclopedia of cognition science. London:Nature Publishing Group;۲۰۰۳ ...
  • Coleman AM. A dictionary of psychology. Oxford:Oxford University Press;۲۰۰۸ ...
  • Schraw G. Promoting general metacognitive awareness. Instructional Science. ۱۹۹۸;۲۶(۱):۱۱۳-۱۲۵ ...
  • Lehmann F. Semantic networks. Computers Mathematics Applications.۱۹۹۲;۲۳(۲-۵):۱-۵۰ ...
  • Baydin AG, de Mántaras RL, Ontanon S. A semantic network-based ...
  • Smith EE, Shoben EJ, Rips LJ. Structure and process in ...
  • Komatsu LK. Recent views on conceptual structure. Psychology Bulletin. ۱۹۹۲;۱۱۲(۳):۵۰۰-۵۲۶ ...
  • Collins AM, Quillian MR. Retrieval time from semantic network memory. ...
  • Ratcliff R, Mckoon G. A retrieval theory of priming in ...
  • Borge-Holthoefer J, Arenas A. Semantic networks: Structure and dynamics. Entropy. ...
  • Todorov E. Linearly-solvable Markov decision problems. In Advances in Neural ...
  • Shen Y, Archambeau C, Cornford D, Opper M, Shawe-Taylor J, ...
  • i Cancho RF. When language breaks into pieces A conflict ...
  • i Cancho RF, Sole RV. Least effort and the origins ...
  • Anderson JR. Rules of mind. Hillsdale, NJ:Erlbaum;۱۹۹۳ ...
  • Anderson JR. How can the human mind occur in the ...
  • Anderson JR, Bothell D, Byrne MD, Douglass S, Lebiere C, ...
  • Anderson JR. Human symbol manipulation within an integrated cognitive architecture. ...
  • Anderson JR, Matessa MP. A production system theory of serial ...
  • Ritter FE, Tehranchi F, Oury JD. ACT‐R: A cognitive architecture ...
  • Borst JP, Anderson JR. A step-by-step tutorial on using the ...
  • Dayan P, Hinton GE, Neal RM, Zemel RS. The helmholtz ...
  • Friston K. The free energy principle: A unified brain theory?. ...
  • Friston K. The free-energy principle: A rough guide to the ...
  • Gershman SJ. What does the free energy principle tell us ...
  • Knill DC, Pouget A. The Bayesian brain: The role of ...
  • Parr T, Friston KJ. Uncertainty, epistemics and active inference. Journal ...
  • Friston K, FitzGerald T, Rigoli F, Schwartenbeck P, Pezzulo G. ...
  • Friston K. Free energy and active inference. ۳rd IMPRS NeuroCom ...
  • Parr T, Rikhye RV, Halassa MM, Friston KJ. Prefrontal computation ...
  • Catal O, Verbelen T, Nauta J, De Boom C, Dhoedt ...
  • Parr T, Friston KJ. The anatomy of inference: Generative models ...