A bio-inspired computational model of covert attention and learning
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2007
Department
Major/Subject
Laskennallinen tekniikka
Mcode
S-114
Degree programme
Language
en
Pages
xi + 82
Series
Abstract
Isoaivokuori on merkittävin aisti-informaation prosessoija nisäkkäiden aivoissa. Lisäksi isoaivokuori vastaa työmuistista ja muun muassa kuvittelu ja tietoisuus tapahtuvat isoaivokuorella. Voidaan ajatella, että isoaivokuoren tärkeimmät funktiot, jotka ovat hyödyllisiä eläimen käyttäytymisen kannalta, ovat maailman säännönmukaisuuksien oppiminen, tarkkaavaisuuden kohdistaminen tärkeisiin kohteisiin, sekä maailman mallin simulointi toiminnan suunnittelua varten. Tässä diplomityössä kehitetään systeemitason laskennallinen malli aivokuoren oppimiselle ja tarkkaavaisuudelle. Oikean aivokuoren ominaisuudet ovat olleet vaikutteina tämän mallin kehityksessä ja myöhemmin tämä malli olisi tarkoitus laajentaa sisältämään kaikki aivokuoren tärkeimmät korkean tason ilmiöt. Aivokuori oppii hierarkian kasvavasti abstrakteja representaatiota maailman piirteille. Näin aivokuori pystyy tunnistamaan yhden kappaleen hyvinkin erilaiset esiintymismuodot samaksi kappaleeksi. Tällaiselle kortikaaliselle oppimiselle on kehitetty useita laskennallisia malleja, mutta niihin ei ole yleensä sisällytetty tarkkaavaisuutta. Tiedetään, että oikeasti aivokuori ei yritä esittää kaikkia maailman piirteitä yhtä aikaa, vaan tarkkaavaisuus keskittyy toiminnan kannalta tärkeisiin kohteisiin. Tarkkaavaisuus on myös olennainen piirteiden oppimisen ohjauksessa. On olemassa joitakin malleja tarkkaavaisuudelle, mutta niissäkään sitä ei ole yhdistetty toimimaan yhdessä oppimisen kanssa. Tämän diplomityön mallissa tarkkaavaisuus ja oppiminen tukevat toisiaan. Tarkkaavaisuus ei ole tässä erillinen prosessi, vaan se emergoituu samassa neuroverkossa kuin oppiminen ja havaitseminenkin. Tällä mallilla tehdyt kokeet osoittavat, että se pystyy oppimaan oikean aivokuoren kaltaisen representaatiohierarkian sekä synnyttämään yhtä aikaa valikoivan tarkkaavaisuuden. Tulevaisuudessa tämä malli voitaisiin integroida autonomisen robotin ohjaimeen.Description
Supervisor
Jääskeläinen, IiroThesis advisor
Valpola, HarriKeywords
selective attention, valikoiva tarkkaavaisuus, unsupervised learning, ohjaamaton oppiminen, attractor neural network, attraktorineuroverkko, biased-competition, painotettu kilpailu, denoising source separation, lähteidenerottelu kohinanpoistolla, emergence, emergenssi, necocortex, isoaivokuori