Правильно ли запомнено? Модель кратковременной памяти человека на основе нейронной сети. Ляховецкий В.А., Боброва Е.В. Институт Физиологии им. И.П. Павлова.

Презентация:



Advertisements
Похожие презентации
Внутренняя репрезентация информации в пространственной памяти при воспроизведении и узнавании Ляховецкий В.А. Институт Физиологии им. И.П. Павлова РАН.
Advertisements

Кратковременная память – что и как моделировать? к.т.н., м.н.с. лаб. Физиологии движений ИФ РАН Ляховецкий В.А.
Модели заучивания пространственной информации при воспроизведении и узнавании Ляховецкий В.А. Институт Физиологии им. И.П. Павлова РАН
Влияние модальности сенсорного входа на распределение ошибок испытуемых при воспроизведении запомненных последовательностей движениями руки Боброва Е.В.,
Ассоциативная память. Ассоциативная сеть прямого распространения. 1 X 1 Y 1 X 2 Y 2 X i Y i X n Y n 2 i n... Y j = i=1 N w ij x i, j=1,M (*)
Обзор конференции ICOM-5 по исследованию памяти человека к.т.н., м.н.с. лаб. Физиологии движений ИФ РАН Ляховецкий В.А.
Статистические гипотезы Лекция 2.
Сеть поиска максимума (MAXNET) Сеть поиска максимума с прямыми связями – слогослойная нейронная сеть определяющая, какой из входных сигналов имеет.
10. 3 Повносвязные нейронные сети со смешанным обучением Нейронная сеть Хопфилда ( Hopfield Net)
Вероятностная НС (Probability neural network) X 1 X n... Y 1 Y m Входной слой Скрытый слой (Радиальный) Выходной слой...
СОДЕРЖАНИЕ Полная и неполная индукция Принцип математической индукции Метод математической индукции Применение метода математической индукции к суммированию.
Лекция 7 Постникова Ольга Алексеевна1 Тема. Элементы теории корреляции
Тема урока: ТРИГГЕР. или не не Разнообразие современных компьютеров очень велико. Но их структуры основаны на общих логических принципах, позволяющих.
Лекция 6. Нейронные сети Хопфилда и Хэмминга Среди различных конфигураций искусственных нейронных сетей (НС) встречаются такие, при классификации которых.
1 Теория и применение искусственных нейронных сетей Тема 2 Т.Б. Шатовская Факультет компьютерных наук, Кафедра ПОЭВМ, ХНУРЭ ХНУРЭ, факультет КН, кафедра.
Тема 10. Архитектура и алгоритмы обучения НС Основные парадигмы нейронных сетей обучения с учителем Однослойный перцептрон f f f х1.
Двоичное кодирование. Для того чтобы понять, как самая разнообразная информация представляется в компьютере, «заглянем» внутрь машинной памяти. Ее удобно.
ПОТОЧНЫЕ ШИФРЫ Самосинхронизирующиеся шифры Самосинхронизирующиеся шифры Синхронные шифры Синхронные шифры.
Лекция 3 - Проверка гипотез в одномерном статистическом анализе 3.1. Основные понятия, используемые при проверке гипотез 3.2. Общий алгоритм статистической.
Использование нейросимулятора при определении внешнего вида ребенка по параметрам родителей.
Транксрипт:

Правильно ли запомнено? Модель кратковременной памяти человека на основе нейронной сети. Ляховецкий В.А., Боброва Е.В. Институт Физиологии им. И.П. Павлова РАН, г. Санкт-Петербург

Литературные данные Человек помнит, что не помнит. Некоторым образом человеку удается понять, какой материал запомнен им правильно, а какой – ошибочно. Причем отличить правильный ответ от неверного возможно и неосознанно; Субъективная уверенность в правильном ответе выше, чем в неправильном (Аллахвердов, 2003); Часто правильность ответа влияет на объективную характеристику - время, требуемое на воспроизведение запомненного. Средние времена правильных и неверных ответов испытуемого различны; При воспроизведении последовательности движений руки среднее время правильно воспроизведенных движений ниже среднего времени ошибочно воспроизведенных движений (Rabbit, 1970). Нами разработана нейросетевая модель, которая хорошо подходит для описания распределений ошибок при немедленном воспроизведении запомненных последовательностей движений руки (Ляховецкий, Боброва, 2009).

Цель работы Предложить объективный критерий, позволяющий нейросетевой модели отличать верные ответы от неверных, не обращаясь повторно к входной последовательности стимулов.

Случайные последовательности методика Лист А4 расположен под сен- сорным экраном. В шести его клетках, выбранных случай- ным образом, располагаются цифры, по которым экспери- ментатор последовательно перемещает правую или ле- вую руку испытуемого. Испы- туемый, находящийся с завя- занными глазами, должен за- помнить и немедленно воспро- извести движения руки. Ляховецкий, Боброва, 2009, 2010

Обработка результатов ошибки положения ошибки движения Проводилась на основе гипотезы о существовании двух типов кодирования: положений (позиционное) и движений (векторное). В одной группе испытуемые начинали работать правой рукой, а продолжали левой, в другой группе – наоборот. Анализировали ошибки испытуемых при многократном (3 серии) запоминании и воспроизведении в отсутствии зрительной обратной связи последовательности движений правой или левой руки.

Время правильных и ошибочных движений При воспроизведении движений левой рукой тогда, когда она работает после правой, отличия между средними временами правильных и ошибочных движений достоверны. В остальных случаях существует тенденция той же направленности.

Гетероассоциативная сеть Сохраняет пары объектов. Может восстановить объект, когда ассоциированный с ним объект предлагается ей в качестве подсказки. В сети два слоя элементов по одному для каждого из объектов пары. Оба слоя соединяются двунаправлен- ными связями, т.е. актив- ность может передаваться по связям в обоих направлениях. (для одной пары объектов) (для i пар объектов) (для последовательности) Kosko, 1988

Модель На основе гетероассоциативной нейронной сети Коско. Модель 1. Векторное кодирование. Элементами векторов являлись α и ρ. Для хранения в бинаризованной форме требуется 3 и 5 элементов соответственно (+3 элемента на номер движения). Параметры α и ρ имеют различный физический смысл, хранятся в рамках двух подсетей, между которыми отсутствуют связи (Constantini, 2003). Для расчета симметричной матрицы весов Wρ, используемой при запоминании последовательности длин перемещений, применялся алгоритм расчета, предложенный в (Kosko, 1988). Для расчета асимметричной матрицы весов Wα, используемой при запоминании последовательности направлений перемещений, применялся алгоритм расчета, предложенный в (Xu, Leung, He, 1994). Модель 2. Позиционное кодирование. Элементами векторов являлись x и y. Поскольку x [1,6] и y [1,4], для хранения их в бинаризованной форме требуется 3 и 2 элемента соответственно (+3 элемента на номер движения) (Kosko, 1988).

Ляховецкий, Боброва, 2009 Ошибки человека модели

1) На первый слой подается объект X. 2) Распространяется активность на второй слой. Вход элемента второго слоя равен net j = SUM i (x i w ij ) 3) Вычисляется новое состояние для каждого элемента второго слоя.y j = f(net j ) 4) Распространяется активность на первый слой. Вход элемента первого слоя равен net i = SUM j (y j w ji ) 5) Вычисляется новое состояние для каждого элемента первого слоя. x i = f(net i ) Двустороннее распространение сигналов активности повторяется до тех пор, пока не будет достигнуто устойчивое состояние. Как отличить верные ответы от неправильных?

Число итераций сети для различного числа ошибочно запомненных битов Ош. бит Схема Схема Для обеих схем кодирования сеть достоверно быстрее приходит в устойчивое состояние при правильных ответах (0 ошибочных бит). То есть, хотя информация о числе ошибочных битов не доступна сети, для оценки правильности ответа модель может использовать количество итераций, необходимых для перехода сети в устойчивое состояние. Разница в числе итераций, необходимых для достижения устойчивого состояния при различных схемах кодирования, объясняется тем, что при векторном кодировании (схема 1) число итераций вычислялось по двум подсетям.

Обсуждение результатов Можно предположить, что, так как разница в числе итераций в зависимости от правильности ответа невелика (0.4 итерации для схемы 1, 0.2 итерации для схемы 2), то, основываясь на таком критерии, модель будет иногда принимать ошибочный ответ за верный. То есть, что введенный в рассмотрение критерий правильности ответа будет являться «слабым». Однако такое свойство модели не будет являться недостатком. При запоминании движений руки испытуемые достаточно часто допускают повторные ошибки, то есть при двукратном воспроизведении запомненной серии движений дважды повторяют свою ошибку одинаковым образом (дважды подряд касаются одного и того же неверного квадрата, дважды подряд выбирают одно и то же неверное направление).

По-видимому, испытуемые уверены в правильности таких ошибочных движений и не пытаются корректировать их при повторном заучивании последовательности движений руки, то есть не могут отличить такие неверные ответы от правильных (Ляховецкий, Боброва, 2010). Среднее время движений, связанных с повторными ошибками, значимо меньше времени движений, связанных с иными ошибками, и не отличается от времени правильно запомненных движений. Время правильных и ошибочных движений

Вывод Предложенный критерий оценки правильности запомненного материала как числа итераций, необходимого для перехода в устойчивое состояние, хорошо согласуется с психофизиологическими данными. Такой критерий может использоваться для обучения нейросетевой модели без учителя.