COGM004 Когнитивно моделиране
Анотация:
Курсът представя идеите на моделирането на когнитивните процеси и основните подходи на когнитивното моделиране
В курса се излагат основите на символния и конекционисткия подходи за описание на когнитивните процеси. В дискусионна форма се разглеждат основите, силни и слаби страни на тези подходи
Едновременно с това студентите се въвеждат практически в моделирането с невронни мрежи
Целта на курса е да запознае студентите, теоретично и практично, с основните идеи и методи на моделирането на когнитивните процеси
Преподавател(и):
проф. Морис Гринберг д-р
Описание на курса:
Компетенции:
Успешно завършилите курса студенти:
1) знаят:
- Какво е модел и по-специално какво е модел в когнитивната психология
- Основните понятия и идеи на символните подход
- Основните понятия и идеи на конекционизма
- Основните схеми за представяне на знания
- Основни когнитивни архитектури
- Положителните и отрицателни страни на различните подходи към моделирането
2) могат:
- Да представят знанията си от определена област чрез схемите за представяне на знания
- Да разбират символни и конекционистки когнитивни модели
Предварителни изисквания:
няма
Форми на провеждане:
Редовен
Учебни форми:
Лекция
Език, на който се води курса:
Английски
Теми, които се разглеждат в курса:
- Models in cognitive science. The methodology of cognitive modeling. Main approaches to modeling. The symbolic, connectionist, and dynamic systems approach.
- Representations and modeling. The logical approach to knowledge representation. Propositional and predicate calculus.
- Schemas and Scripts. Production systems and semantic networks.
- Cognitive Architectures. The architecture ACT-R.
- Criticisms of the symbolic (classical) approach to modeling. Connectionism and brain mechanisms. Basic concepts and their formal expression.
- Generic connectionist architectures.
- Learning paradigms. Supervised and unsupervised learning. Hebbian learning in one layer ANN. Pattern associator. Limitations of Hebbian learning. The delta rule and quadratic error minimization.
- Generalized delta rule (backpropagation of errors). Analysis of the hidden layer activation pattern and internal representations.
- Recurrent ANN. Simple recurrent Elman networks. SRN application in linguistics and decision making.
- Constraint satisfaction in ANN. The Jets and Sharks example. The Necker cube example. Online simulations.
- Hopfield ANN. Attractors and the harmony function. Dynamics of recurrent ANN based on update rules and harmony maximization. The local minima problem.
- Modeling and empirical results: methodology. Models as explanations in cognitive science. Modeling approaches and their complementarity. Critical assessment of cognitive models.
- Test.
- Student symposium: Presentation of recent papers in cognitive modeling. Discussion.
- Student symposium: Presentation of recent papers in cognitive modeling. Discussion.
Литература по темите:
McLeod, P., Plunkett, K., and Rolls, E.T. (1998), "Introduction to Connectionist Modeling of Cognitive Processes", Oxford (в наличност в библиотеката на НБУ)
Plunkett, K., and Elman, J. L. (1998), "Exercises in Rethinking Innateness: A Handbook for Connectionist Simulations", MIT (в наличност в библиотеката на НБУ)
Port, R. F. and van Gelder, T. (1995), "It's About Time: An Overview of the Dynamical Approach to Cognition", ch. 1 in "Mind as Motion: Exploration in the Dynamics of Cognition", eds. Port, R. F. and van Gelder, T. (1995)
Средства за оценяване:
tests (тестове) - 35%
Participation in class discussions and/or assignment completion - 35%
Paper presentation - 30%