Когнитивные гибридные системы поддержки принятия решений презентация

Содержание

Когнитивная наука Когнитивистика (когнитивная наука) (лат. cognitio — познание) — междисциплинарное научное направление, объединяющее теорию познания, когнитивную психологию, нейрофизиологию, когнитивную лингвистику и теорию искусственного интеллекта.

Слайд 1 КОГНИТИВНЫЕ ГИБРИДНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
 
Аверкин Алексей Николаевич , к.ф.-м.н.,в.н.с.

ВЦ РАН, т.89104227182, факс 84991351509,
e-mail: averkin2003@inbox.ru

Слайд 2Когнитивная наука
Когнитивистика (когнитивная наука) (лат. cognitio — познание) — междисциплинарное научное

направление, объединяющее теорию познания, когнитивную психологию, нейрофизиологию, когнитивную лингвистику и теорию искусственного интеллекта.

Слайд 3Когнитивная наука
Когнитивная наука – исследование разума и разумных систем, при котором

разумное поведение рассматривается как разновидность вычисления. От предшествующих подходов к когниции ее отличает степень проникновения идей и техник «вычисления».
У истоков когнитологии, как науки, стояли психологи Дж. Миллер и Дж. Брунер, кибернетики Нобелевский лауреат Г. Саймон и Дж. Маккарти. Но только в последнее десятилетие созрели социально-экономические и технологические условия востребованности этой области знаний для решения гуманитарных, энергетических и экологических проблем человечества.

Слайд 4Когнитивная наука

Слайд 5НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Аллен Ньюэлл, Герберт Саймон
«Логик-теоретик»
«Универсальный решатель

задач»

Слайд 6Сильный и слабый ИИ
В философии искусственного интеллекта (ИИ) спор сильного ИИ

(Джон Сёрль) против слабого ИИ протекает вокруг гипотезы о том, что некоторые формы искусственного интеллекта могут действительно обосновывать и решать проблемы. Теория сильного ИИ предполагает, что компьютеры могут приобрести способность мыслить и осознавать себя, хотя и не обязательно их мыслительный процесс будет подобен человеческому. Теория слабого ИИ такую возможность отвергает.

Слайд 7Цель когнитивной науки
Ключевым техническим достижением, сделавшим когнитивистику возможной, стали новые методы

сканирования мозга. Томография и другие методы впервые позволили заглянуть внутрь мозга и получить прямые, а не косвенные данные о его работе. Наблюдаемый сейчас прогресс в когнитивистике позволит описать и объяснить процессы в мозгу человека, ответственные за высшую нервную деятельность. Это позволит создать системы так называемого сильного искусственного интеллекта, который будет обладать способностями к самостоятельному обучению, творчеству, свободному общению с человеком

Слайд 8Нейронные сети
Символьные модели
СИМВОЛЬНЫЕ И НЕЙРОСЕТЕВЫЕ МОДЕЛИ: «СФЕРЫ ВЛИЯНИЯ»

Слайд 9Когнитивная наука
Область междисциплинарных исследований познания, понимаемого как совокупность процессов приобретения, хранения,

преобразования и использования знаний живыми и искусственными системами. Аппаратными и программными средствами для когнитивной науки, общими для всех ее областей, являются методы матмоделирования на основе биоморфных нейронных сетей. В отличие от классических нейросетей используются нейросети рекуррентные, модулярные, асссихронные, с немонотонной активационной функцией и т.д. и нейроморфный искусственный интеллект.

Слайд 10Десятилетие мозга


Слайд 11
Десятилетие сознания




Слайд 123D визуальная лаборатория сканирования мозга человека

Слайд 13Феномен NBIC-конвергенции

Слайд 14NBIC-конвергенция
NBIC-конвергенция (по первым буквам областей: N -нано; B -био; I -инфо;

C -когно). Термин введен в 2002 г . Михаилом Роко и Уильямом Бейнбриджем, авторами отчета Конвергенция технологий для повышения человеческой производительности, подготовленного 2006 г . в Всемирном центре оценки технологий (WTEC)

Слайд 15Нейрокогнитивные технологии будущего



Отчёт Национального научного фонда и Министерства экономики США о

конвергенции 4-х мегатехнологий:

«…В основе конвергенции технологий лежит материальное единство мира на наноуровне и его интеграция на более высоких уровнях. »

« Из четырех НБИК областей когнитивная наука является наименее зрелой, но по этой же причине она несет и наибольшие обещания.

Развитие когнитивных технологий может иметь наиболее заметные последствия для общества в целом…» NBIC-отчёт

Слайд 16
Нейроморфный искусственный интеллект
Проблема
По сравнению с биологическими системами интеллектуальные машины в 1000

раз менее эффективны в сложной среде.
Чтобы интеллектуальные машины были бы полкзны их нужно сочетать с биологическими системами.
Цель
Развить технологию электронные нейроморфные машины сравнимую с биологоческим уровнем.

Слайд 17IBM BLUE BRAIN PROJECT
Reconstructing the brain piece by piece and building

a virtual brain in a supercomputer—these are some of the goals of the Blue Brain Project. The virtual brain will be an exceptional tool giving neuroscientists a new understanding of the brain and a better understanding of neurological diseases.

Слайд 18 SyNAPSE
На конец 2011 года DARPA, которая в своем проекте SyNAPSE (Systems

of Neuromorphic Adaptive Plastic Scalable Electronics) рассчитывала к 2015 году создать прототип чипа, моделирующего 10 млрд нейронов, соединенных 1 трлн синапсов, и при этом потреблять менее 1киловатта энергии и занимать в объеме менее 2 литров.
 Dharmendra Modha, ведущий исследователь IBM по проекту SyNAPSE, сравнил представленную симуляцию с электронным микроскопом или ускорителем частиц: "Это инструмент, который другие исследователи теперь могут использовать для того, чтобы лучше понять, как протекают мыслительные процессы в мозгу".
IBM рассчитывала создать полную модель кортекса к 2019.


Слайд 19IBM SIMULATES 530 BILLION NEURONS, 100 TRILLION SYNSPSES ON SUPERCOMPUTER
IBM Research

– Almaden presented at Supercomputing 2012 the next milestone toward fulfilling the ultimate vision of the DARPA’s cognitive computing program, called Systems of Neuromorphic Adaptive Plastic Scalable Electronics (SyNAPSE).
IBM says it has now accomplished “TrueNorth” system running on the world’s second-fastest operating supercomputer, the Lawrence Livermore National Lab (LBNL) Blue Gene/Q Sequoia. IBM and LBNL achieved an unprecedented scale of 2.084 billion neurosynaptic cores* containing 53×1010 (530 billion) neurons and 1.37×1014 (100 trillion) synapses running only 1542 times slower than real time.

Слайд 20IBM Watson brings together a set of transformational technologies to drive

optimized outcomes



…built on a massively parallel probabilistic evidence-based architecture

Understands
natural language
and human
speech

Adapts and Learns from user selections and responses







Generates and evaluates hypothesis for better outcomes

Слайд 21Когнитивная социальная наука

Слайд 22Гетеродоксальная эконономика2

Слайд 23Поведенческая экономика 2
Главный объект исследований Д. Канемана – это механизмы

принятия человеком решений в ситуации неопределенности. Он доказал, что принимаемые людьми решения существенно отклоняются от того, что предписано стандартной моделью «экономического человека». Критикой этой модели занимались и до Д. Канемана (можно вспомнить, например, нобелевских лауреатов Г. Саймона и М. Алле), но именно он и его коллеги впервые начали систематически изучать психологию принятия решений. Его эксперименты доказали, что люди не могут рационально оценивать ни величины ожидаемых выгод или потерь, ни их вероятности.

Слайд 24Теория перспектив
В русле поведенческой экономической теории были разработаны альтернативные концепции: 1)

выбор в условиях риска и неопределенности; 2) межвременной выбор; 3) поведенческая теория игр.
Выбор в условиях риска и неопределенности: теория перспектив. Классической работой в данной области принято считать статью «Теория Перспектив: анализ принятия решений в условиях риска», «Эконометрика» 1979 год. В 1992 году ученые опубликовали еще одну статью «Достижения в теории Перспектив: обобщенное представление неопределенности», в которой они обобщили результаты предыдущих многолетних исследований в данной сфере, в частности на область принятия решений в условиях неопределенности, и представили аксиоматическую трактовку теории.

Слайд 25Теория межвременного выбора
Межвременной выбор. Решения, принимаемые индивидами и включающие в себя

соизмерение понесенных издержек и получаемых выгод, которые относились бы к различным периодам времени, являются центральными в области исследования сбережений и инвестиций, потребительского поведения, а в конечном счете проблем, связанных с общественным благосостоянием той или иной нации. Поэтому известные экономисты прошлого (И. Фишер, П. Самуэльсон, и многие другие) уделяли серьезное внимание проблеме теоретического анализа факторов, влияющих на поведение экономических субъектов в ситуациях принятия решений, когда последствия, а точнее, результаты действий становятся известными спустя определенное время.

Слайд 26Теория межвременного выбора 2
Теоретической основой для последующих более чем полувековых исследований

в этой области стала модель дисконтированной полезности (МДП), предложенная ее автором П. Самуэльсоном в 1937 году и получившая со временем аксиоматическую трактовку в работах Т. Купманса. Модель определяет межвременные предпочтения лица, принимающего решение, между различными конфигурациями потребительских планов. Данная модель обеспечила простую и в то же время мощную аналитическую схему для рассмотрения широкого спектра хозяйственных решений, последствия которых не известны в момент совершения действий.

Слайд 27Поведенческая теория игр
Поведенческая теория игр. Использование математического аппарата теории игр в

области экономической науки во второй половине прошлого столетия оказалось чрезвычайно плодотворным. В наибольшей степени это проявилось в тех разделах, объектом рассмотрения которых является стратегическое взаимодействие экономических агентов между собой в различных условиях и стремление наиболее оптимальным образом разрешить возникшую конфликтную ситуацию. Предложенные формальные концепции анализа (равновесие Нэша, вектор Л.Шэпли, процедура трассирования Дж. Харшаньи - Р. Зельтена и другие) получили широкое применение в качестве теорий как объясняющих реальное поведение участников, так и способных предсказывать определенные последствия.

Слайд 28Нейроэкономика 1
Нейроэкономика – новое научное направление, использующее методы исследования, основанные на

достижениях современной нейрофизиологии и приложений психологии, тем или иным образом применимым к экономике.
Нейроэкономика ставит своей целью создание единой теории принятия решения человеком.
Нейроэкономика позволяет представителям разных дисциплин (нейробиологам, экономистам, психологам и менеджерам) получить более глубокие представления о фундаментальных механизмах принятия решений
Нейроэкономика использует визуализацию мозговой деятельности для того, чтобы делать выводы о том, как функционирует мозг и использовать результаты наблюдений для расширения существующих экономических дисциплин и формирования новых направлений, таких как нейромаркетинг.

Слайд 29Нейроэкономика 2
Нейроэкономика - синтез когнитивной нейронауки
и экономических наук

и изучение процесса принятия
решения в рамках выбора определенного поведения
из возможных альтернатив с целью реалистического моделирования экономического поведения человека.
Существует четыре основных метода визуализации процессов головного мозга: электроэнцефалограмма, позитронно-эмиссионная томография, магнитно-резонансная томография, функциональная магнитно-резонансная томография.


Слайд 30Нейроэкономика 3
Сочетание этих методов и их использование наряду с традиционными методиками

(например, измерение биометрических параметров) позволяет составить подробную карту зон активации головного мозга в процессе принятия решений, например, для принятия решений наиболее важны взаимодействия зон в лобных долях, лимбической системе

Слайд 31Нейроэкономические процессы выбора
мотивация деятельности (лимбическая система)
бессознательные решения (затылочные височные и теменные

доли)

Автоматические

аномальное, иррациональное поведение

традиционная экономическая теория (лобные доли коры)

Контролируемые

Аффективные

Когнитивные


Слайд 32

Полезность

аддиктивное и демонстративное потребление или покупки из-за навязчивого желания
стриатум (группа подкорковых ядер) подпитывает жажду выигрыша, а зоны лобных долей управляют дальнейшим поведением человека
непосредственная полезность денег: обладание деньгами само по себе доставляет удовольствие, а расставание с ними может давать неприятное ощущение (несмотря на получаемые взамен блага)

Слайд 33Нейроэкономика отвечает на вопросы:
существует ли связь между качественными поведенческими характеристиками и

особенностями структур головного мозга или биохимических процессов на уровне нейронов?
может ли изучение таких структур и процессов дать типизацию людей по определенным критериям?
как дифференцировать индивидов по предпочтениям и способностям?


Слайд 34МОЗГ ЧЕЛОВЕКА

Слайд 35СТРУКТУРА ЗОН
Колонка нейронов

Слайд 36ЭЭГ
Electroencephalography: Electrical currents are not measured, but rather voltage differences between

different parts of the brain; high temporal resolution; similar to MEG

Слайд 37КОМПЬЮТЕРНАЯ ТОМОГРАФИЯ
Computed tomography (CT), originally known as computed axial tomography (CAT

or CT scan): Medical imaging of structures; NO Function

Слайд 38ПОЗИТРОННО-ЭМИССИОННАЯ ТОМОГРАФИЯ
Positron emission tomography: injected with radioactive isotope; as decays releases

2 simultaneous gamma rays which are measured

Слайд 39Ультиматум 1
Нерациональность человеческого поведения не раз подтверждалась экспериментально. Нобелевский лауреат Дениэл

Канеман (Kahneman, 2003) выдвинул предположение о существовании двух эволюционно и структурно различающихся систем, обусловливающих принятие решений: a) быстрой, автоматической, или бессознательной (Система 1), и б) медленной, целенаправленной, произвольной (Система 2).
В настоящее время многочисленные нейроэкономические исследования посвящены изучению взаимодействия рациональной и эмоциональной систем в рамках дуализма Канемана.

Слайд 40Ультиматум 2
Среди наиболее часто используемых экспериментальных моделей можно назвать игру «Ультиматум»

, наиболее ярко демонстрирующую возникновение подобного рода конфликтов: два игрока получают инструкцию поделить между собой определенную сумму денег, например, 100 рублей. Один из игроков первым предлагает способ дележа, причем он абсолютно свободен в своем решении. Предположим, игрок захочет оставить 80 рублей себе, а 20 рублей отдать своему партнеру по игре. Партнер , которому сделали предложение, оказывается перед выбором: согласиться или не согласиться; однако если респондент не соглашается, то, по правилам игры, денег не получает никто и игра заканчивается.

Слайд 41Ультиматум 3
Используя метод функциональной магнитно-резонансной томографии (фМРТ), американский нейробиолог Алан Сенфи

показал, что у респондента, которому сделали несправедливое предложение в игре «Ультиматум», наблюдается активация островковой коры (anterior insula), которая, как известно из других нейробиологических исследований, вовлечена в обработку негативной эмоциональной информации и особенно активна при эмоции отвращения. Кроме того, наблюдалась активация верхних областей лобной коры (dorsolateral prefrontal cortex, DLPFC) правого полушария и поясной извилины (anterior cingulate cortex) – областей, активация которых наблюдается при запуске когнитивных процессов самоконтроля и при внутренних конфликтах, соответственно. В целом приведенный пример ярко демонстрирует взаимодействие эмоциональных и рациональных процессов в момент принятия решений.

Слайд 42Когнитивная экономи- ка (в узком смысле)
Область когнитивной экономики (в узком смысле) основана

на применении когнитивной науки к экономике и изучает модели принятия экономических решений в сознании человека. Когнитивная экономика - раздел гетеродоксальной экономической теории, имеющий дело с экспериментальным анализом того, как собственно человек принимает экономические решения и зачастую опровергающий классическую теорию, основанную на рациональном выборе с полной информацией.

Слайд 43Когнитивная экономика в широком смысле
Когнитивная экономика является одним из перспективных направлений

развития экономики и прикладной когнитивной науки. Структурно, методологически и технологически когнитивная экономика связана с методами искусственного интеллекта и управления знаниями в экономике. Сама по себе когнитивная экономика, как сфера исследований и человеческой деятельности, включает в себя три основные области. Объединение этих областей назовем «когнитивной экономикой в широком смысле»

Слайд 44Конвергенция управления знаниями, искусственного интеллекта и когнитивной науки

Слайд 45Визуализация взаимодействия блоггеров

Слайд 46Компьютерное моделирование верхнего слоя колонки Маунткастла (neocortical columns) (узловые структуры содержащие

от 10 до 70 тысяч нейронов) мозга крысы. Здесь возбуждённые нейроны подсвечены розовым, голубыми и желтыми цветами (проект Blue Brain).

Слайд 47Архитектура нейро-нечеткой сети – инструмента извлечения знаний

Слайд 48Интеллектуальные системы в экономике

Область интеллектуальных систем в экономике связана с использованием

в экономике, производственной сфере и бизнесе методов и моделей искусственного интеллекта, ИИС, СППР, интеллектуальной обработки данных и т.д. Важным аспектом поддержки управленческих решений в экономике является развитие методов экономического моделирования, основанных на знаниях и моделях когнитивной бизнес-аналитики

Слайд 49Управление знаниями в экономике
Область управление знаниями в экономике – ключевой элемент

экономики знаний, или «новой экономики». Кроме собственно управления, область тесно связана с инновационной экономикой, интеллектуальным капиталом, со знаниями, как экономической категорией, управлением изменениями, реинженирингом и т. Основными социальными положениями «новой экономики» являются такие понятия как важность интеллектуального капитала, создание информационного общества, новые формы ведения бизнеса на основе сетевых технологий, интенсивное развитие электронного бизнеса и электронной коммерции, развитие инновационных ресурсосберегающих технологий и альтернативных, экологически чистых источников энергии и так далее. На первый план выходят проблемы инновационного развития экономики и социума на основе прогнозирования тенденций в экономике, обществе, технологической сфере и цивилизации в целом.

Слайд 50Когнитивная экономика в узком смысле = примение методов когнитивной науки

в экономике

Основными проблемами когнитивной экономики стали индивидуальная и коллективная рациональность, когнитивные модели и институты, социальный капитал, доверие и социальные сети, непрерывное повышение компетенций и обучение, ценности и институциональные изменения. Когнитивная экономика является одной из основополагающих концепций современного социально-экономического развития

Слайд 51Интеллектуальные системы в экономике & управлениe знаниями
На пересечении областей интеллектуальных систем

в экономике и области управления знаниями в экономике (зона 1) лежат методы дистрибутивного искусственного интеллекта -онтологического поиска, семантического веба для фиксации, обмена и повторного использования знаний, многоагентных систем, методы поддержки принятия решений в бизнес-аналитике, data mining, business intelligence. Эта зона также связана с созданием систем СПРР и обработки данных для инновационных бизнес-процессов.

Слайд 52 Когнитивные вычисления -следующее поколение C&C (NEC)
Поиск принципов порождения инноваций в компьютерах

и коммуникациях, которые увеличивают знания и мотивацию, и построения прикладных систем

Углубление взаимопониания

Пополнения потенциала человечества

Слайд 53Управление знаниями & когнитивная экономика (в узком смысле
На пересечении областей управления

знаниями в экономике и когнитивной экономики (в узком смысле) (зона 3) находятся такие направления, как прямое использование когнитивных методов в бизнес процессах и социальных процессах , например, нейроэкономика, нейромаркетинг


Слайд 54Нейробиологические различия оценок Джорджа Буша и Джона Керри (А – негативная

оценка Буша, В – позитивная оценка Буша, С – негативная оценка Керри)

Слайд 55Разница в работе мозга демократов и республиканцев при оценке Буша и

Керри

Слайд 56Интеллектуальные системы в экономике & когнитивная экономика
На пересечение областей интеллектуальных

систем в экономике и когнитивной экономики (в узком смысле) (зона 2) лежат гибридные интеллектуальные системы технические с настройкой на сознание и логику эксперта. Они состоят из когнитивной и аналитической части, причем нижний уровень - когнитивный, предоставляет информацию для обработки верхним, аналитическим, уровнем.

Слайд 57Управление знаниями в экономике & когнитивная экономика (в узком смысле) &

интеллектуальные системы в экономике

На пересечении областей управления знаниями в экономике, когнитивной экономики (в узком смысле) и интеллектуальных систем в экономике (зона 4) лежат системы бизнес-аналитики для экономики знаний на основе интеллектуальных систем поддержки принятия решений, использующие когнитивные методы анализа сознания людей, вовлеченных в эти процессы, а также тестирование качества ЛПР по их мозговой активности, для параметрической настройки интеллектуальных систем поддержки принятия решений. С этой областью также связаны работы по интеграции моделей прогноза и оценивания неструктурированных ситуаций на основе подходов когнитивного моделирования

Слайд 58Гибридная система поддержки принятия решений на основе нечетких иерархий и когнитивных

карт

В ВЦ РАН, в университете «Дубна» и на кафедре информатики факультета информатики РЭА ведутся работы по интеграции моделей прогноза и оценивания неструктурированных ситуаций на основе подхода когнитивного моделирования и анализа иерархий

Слайд 59Методы моделирования ситуации







Нечеткая целевая иерархия
Цель











Динамика изменения

достижимости цели

Нечеткая когнитивная
карта ситуации



Слайд 60Взаимодействие моделей



Слайд 61Когнитивные сети поддержки принятия решений 1
Когнитивный подход, в узком смысле этого

понятия, объединяет исследования, общим признаком которых является использование формальных моделей когнитивных карт того или иного вида, т.е. превращает когнитивный подход в формальную нормативную теорию практически без взаимосвязи с ментальным пространством человека – ментальной моделью. Мы рассмотрим более широкую интерпретацию – когнитивные сети поддержки принятия решений (КСППР), с возможностью адаптации к ментальной модели.

Слайд 62

Виды КСППР

В ряде направлений и школ, применяющих практически те же формальные модели и методы, для создания ментальных моделей не применяется понятие когнитивной карты. Вместо него используются знаковые графы, сетевые модели, графах причин и следствий, каузальные сети. Очень близким по смыслу к когнитивным картам являются байесовcкие сети, сети доверия, аналитические сети Саати, когнитивные иерархические сети, сети решений, нечеткие сети Петри, сети концептов, семантические сети, фреймы, схемы, сценарии. Широко используются методы обучения.

Слайд 63Система 1 и Система 2
Эти два уровня (когнитивный и аналитический) соответствуют

двум типам когнитивных процессов, которые в работах Канемана были рассмотрены, как Система 1 и Система 2. Операции в рамках Системы 1 протекают быстро, автоматически, без усилий, они ассоциативны, зачастую эмоционально окрашены и управляются привычками, поэтому их сложно контролировать и модифицировать. Операции Системы 2 происходят медленнее, последовательно, с интеллектуальными усилиями и намеренным контролем; они также относительно гибки и потенциально подвержены влиянию правил

Слайд 64Когнитивные технологии СППР
С увеличением важности когнитивных аспектов в процессе принятия решений

особенное внимание уделяется таким когнитивным способностям человека, как оценка ситуации и ментальным моделям и их роли в управлении процессом поддержки принятия решения в сложных ситуациях. При этом к существующей схеме BI добавляется модель когнитивно-ориентированного процесса поддержки принятия решения. Мы предлагаем использовать в ней модели КСППР.

Слайд 65Постановка задачи
Цель: Создание поведенческой модели принятия решений на основе теории перспектив

для увеличение точности экономического прогнозирования поведения ЛПР в ситуациях неопределенности.

Исходные данные: 1) Д.Канеман П.Словик А.Тверски Принятие решений в неопределённости. 2) Система Matlab Fuzzy Logic Toolbox. 3) Ларичев О.И. Теория и методы принятия решений. 4) Леоненков А.В. Нечеткое моделирование в среде Matlab и fuzzyTECH.

Ожидаемый результат: Созданная модель представляет собой аппроксимацию эвристических правил Д. Канемана на универсальных шкалах с использованием продукционных правил.


Слайд 66Предметная область

Поведенческая экономика

Теория перспектив

(Система 1), (Система 2).

Лингвистические термы

Продукционные правила

Универсальные Шкалы

Нечеткое

моделирование в среде Matlab



Слайд 67Проектирование


Диаграмма классов структур
Нечеткого вывода

Слайд 68Реализация


3
1
2
Структура модели
Функции принадлежности
Продукционные правила

Слайд 69Результаты

На рисунке видно, что поверхность нечеткого вывода имеет участки схожие с

функцией полезности полученной экспериментально.



Слайд 70Результаты

Модель имеет тридцать поверхностей нечеткого вывода, и возможность получения числовых значений

выходных переменных.



Слайд 71Ментальные модели в системах бизнес-интеллекта.

КСППР – база эталонов и ментальных моделей

(Li Niu, 2009)

Слайд 72Заключение

Созданная модель представляет собой аппроксимацию эвристических правил Д. Канемана на универсальных

шкалах с использованием продукционных правил. Надо отметить, что не всегда есть возможность получать данные экспериментально, а тем более с привлечением нейробиологов. А данная модель выдает данные схожие с данными полученными экспериментальным путем. Следовательно, в большинстве случаев она показывает, что агрегация правил является хорошим аппроксиматором для динамического поведения сложных систем в неопределенности.



Слайд 73 Биологическая и когнитивная
обработка информации
Основы биологической обработки
информации
Когнитивная наука
Психологические

и нейрофизиологические
эксперименты
Нейросетевое моделирование
процессов обработки сенсорной информации
Восприятие и обработка речи
Когнитивная робототехника



















Сотрудничество с отделом Интеллектуальных наук Киотского университета (Япония)

Похожие презентации

Экономика: объект изучения, методы исследования 422
Tasks Forcasting methods. The rule of min costs 285
Качество продовольственных товаров. Основы хранения продовольственных товаров 387
Черты международной экономики: природно-ресурсный потенциал, отраслевая структура 266
Доходы предприятий 256
Экономика и экономическая наука 277

Обратная связь

Если не удалось найти и скачать презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое ThePresentation.ru?

Это сайт презентаций, докладов, проектов, шаблонов в формате PowerPoint. Мы помогаем школьникам, студентам, учителям, преподавателям хранить и обмениваться учебными материалами с другими пользователями.

Для правообладателей

Яндекс.Метрика