Poznawcze modelowanie ludzkiej pamięci i uczenia się: Nieinwazyjne podejście do interfejsu mózg-komputer

Oryginalny tytuł:

Cognitive Modeling of Human Memory and Learning: A Non-Invasive Brain-Computer Interfacing Approach

Zawartość książki:

Proponuje obliczeniowe modele ludzkiej pamięci i uczenia się z wykorzystaniem podejścia opartego na interfejsach mózg-komputer (BCI).

Modelowanie ludzkiej pamięci jest ważne z dwóch perspektyw. Po pierwsze, precyzyjne dopasowanie modelu do pamięci krótkotrwałej lub roboczej danej osoby może pomóc w przewidywaniu wydajności pamięci w przyszłości. Po drugie, modele pamięci zapewniają biologiczny wgląd w mechanizmy kodowania i przypominania podejmowane przez neurony obecne w aktywnych płatach mózgu, uczestniczące w procesie zapamiętywania. Niniejsza książka modeluje ludzką pamięć z poznawczego punktu widzenia, wykorzystując aktywacje mózgu uzyskane z kory mózgowej za pomocą elektroencefalografii (EEG) i funkcjonalnej spektroskopii w bliskiej podczerwieni (f-NIR).

Cognitive Modeling of Human Memory and Learning A Non-invasive Brain-Computer Interfacing Approach rozpoczyna się od przeglądu wczesnych modeli pamięci. Następnie autorzy proponują uproszczony model pamięci roboczej (WM) zbudowany w oparciu o rozmyte uczenie hebbowskie. Druga perspektywa modeli pamięci dotyczy modelowania pamięci krótkotrwałej (STM) w kontekście dwuwymiarowej rekonstrukcji kształtu obiektu na podstawie wizualnie zbadanych zapamiętanych instancji. Trzeci model ocenia subiektywne umiejętności uczenia się motorycznego w prowadzeniu pojazdu na podstawie błędnych działań motorycznych. Inne modele wprowadzają nowatorską strategię projektowania dwuwarstwowej sieci klasyfikatorów głębokiej pamięci krótkotrwałej (LSTM), a także zajmują się oceną obciążenia poznawczego w zadaniach uczenia się motorycznego związanych z prowadzeniem pojazdu. Książka kończy się uwagami końcowymi opartymi na zasadach i wynikach eksperymentalnych uzyskanych w poprzednich rozdziałach.

Analizuje zakres obliczeniowych modeli pamięci i uczenia się, ze szczególnym uwzględnieniem klasyfikacji zadań pamięciowych za pomocą modeli opartych na głębokim uczeniu.

Proponuje dwa algorytmy wnioskowania rozmytego typu 2: Interval Type-2 fuzzy reasoning (IT2FR) i General Type-2 Fuzzy Sets (GT2FS).

Uwzględnia trzy klasy obciążeń poznawczych w zadaniach uczenia się motorycznego dla osób uczących się jazdy.

Cognitive Modeling of Human Memory and Learning A Non-invasive Brain-Computer Interfacing Approach spodoba się badaczom zajmującym się neuronauką poznawczą i interfejsami człowiek-mózg-komputer. Jest również korzystny dla absolwentów informatyki/inżynierii elektrycznej/elektronicznej.