A bio-inspired computational model of covert attention and learning

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorValpola, Harri
dc.contributor.authorYli-Krekola, Antti
dc.contributor.departmentSähkö- ja tietoliikennetekniikan osastofi
dc.contributor.schoolTeknillinen korkeakoulufi
dc.contributor.schoolHelsinki University of Technologyen
dc.contributor.supervisorJääskeläinen, Iiro
dc.date.accessioned2020-12-05T10:40:06Z
dc.date.available2020-12-05T10:40:06Z
dc.date.issued2007
dc.description.abstractIsoaivokuori 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.fi
dc.format.extentxi + 82
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/94623
dc.identifier.urnURN:NBN:fi:aalto-2020120553457
dc.language.isoenen
dc.programme.majorLaskennallinen tekniikkafi
dc.programme.mcodeS-114fi
dc.rights.accesslevelclosedAccess
dc.subject.keywordselective attentionen
dc.subject.keywordvalikoiva tarkkaavaisuusfi
dc.subject.keywordunsupervised learningen
dc.subject.keywordohjaamaton oppiminenfi
dc.subject.keywordattractor neural networken
dc.subject.keywordattraktorineuroverkkofi
dc.subject.keywordbiased-competitionen
dc.subject.keywordpainotettu kilpailufi
dc.subject.keyworddenoising source separationen
dc.subject.keywordlähteidenerottelu kohinanpoistollafi
dc.subject.keywordemergenceen
dc.subject.keywordemergenssifi
dc.subject.keywordnecocortexen
dc.subject.keywordisoaivokuorifi
dc.titleA bio-inspired computational model of covert attention and learningen
dc.titleIsoaivokuoren innoittama laskennallinen malli sisäiselle tarkkaavaisuudelle ja oppimisellefi
dc.type.okmG2 Pro gradu, diplomityö
dc.type.ontasotMaster's thesisen
dc.type.ontasotPro gradu -tutkielmafi
dc.type.publicationmasterThesis
local.aalto.digiauthask
local.aalto.digifolderAalto_38691
local.aalto.idinssi34113
local.aalto.openaccessno

Files