عنوان پایان‌نامه
مدلسازی کنترل توجه با استفاده از رویکرد سیستمهای دینامیکی
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56034;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2170
- تاریخ دفاع
- ۱۸ دی ۱۳۹۱
- دانشجو
- حمیدرضا جمال آبادی
- استاد راهنما
- مجید نیلی احمدآبادی, بابک نجاراعرابی
- چکیده
- کنترل توجه به به عنوان توانایی انتخاب و پردازش اطلاعات پیرامونی مرتبط با وظیفه در حال اجرا نقش مهمی در به وجود آمدن رفتار¬های شناختی موجودات زنده دارد. به طور کلی می¬توان توجه را به عنوان توانایی برای کاهش حجم داده¬های ورودی که مورد پردازش قرار می¬گیرند تعریف کرد. بر این اساس، موجودات زنده تنها بخش کوچکی از کل داده¬های ورودی را مورد پردازش دقیق قرار می¬دهد. این کار می تواند با اولویت بندی داده¬ها و یا حذف بخشی از داده¬ها صورت گیرد. توجه از رویکردهای متفاوتی مورد مطالعه قرار گرفته که هرکدام یکی از ابعاد این پدیده را مورد مطالعه قرار داده¬اند. روش¬های موجود مدلسازی توجه را از دیدگاه محاسباتی می¬توان به دو گروه کلی تقسیم کرد. گروه اول شامل روش¬هایی هستند که به طور مستقیم سعی در انتخاب بخشی از ورودی¬ها و یا تغییر آن¬ها دارند. اما گروه دوم بر اساس این فرضیه که توجه خود یک پدیده نوظهور جانبی از رفتارهای رقابتی نرونی در مغز است سعی در طراحی سیستم-هایی دارند که رفتار توجه را از خود بروز دهند. مدل پیشنهادی این پایان¬نامه بر اساس ایده دوم طراحی شده است و با استفاده از رویکرد سیستم¬های دینامیکی توسعه پیدا کرده است. بر این اساس کنترل توجه به عنوان یک پدیده¬ی نوظهور از تعامل رقابتی عناصر به اندازه کافی پیچیده است مدل شده است. عناصر سازنده مدل با الهام از مدلسازی های دینامیکی نرون¬ها با استفاده از معادلات دیفرانسیل پیاده¬سازی شده¬اند. برای ارزیابی عملکرد این عناصر، از آن¬ها برای پیش¬بینی سه رفتار مهم شناختی حوضچه¬های نرونی بهره گرفته شده است. در مرحله بعد با الهام از مدل¬های شناختی و زیستی، یک مکانیزم رقابتی بین عناصر سازنده مدل طراحی شده و یادگیری رفتارهای رقابتی بین عناصر دینامیکی با استفاده از یادگیری تقویتی پیاده¬سازی شده است. رفتار این مدل تعامل رقابتی در کاربردهای مختلف طبقه¬بندی مورد آزمایش قرار گرفته است. در مرحله آخر، عناصر دینامیکی سازنده این مدل در یک ساختار سلسله مراتبی از نمایش ویژگی¬ها در چندین سطح از پیچیدگی قرار گرفته¬اند که در این پایان نامه درخت توجه نامیده شده است. رفتار سیستم برروی کاربردهای متفاوت طبقه¬بندی مورد آزمایش قرار گرفته و موفقیت آن در بروز رفتار¬های توجه مورد مطالعه قرار گرفته است.
- Abstract
- Humans constantly receive a large amount of information and have the capability to employ them successfully to accomplish their tasks. For instance, humans can distinguish a friend's face among many others' in a split of second or listen to their desired voice in a noisy environment. Attention has been suggested to play an important role as an underlying mechanism to provide such capabilities. Attention is roughly defined as a mechanism to reduce input dimension and it's been proposed that humans process just a very small part of the whole incoming information. Attention has been studied through various disciplines and many algorithmic, descriptive, and computational models have been introduced to model attention. From a computational point of view, attention models might be categorized in two groups. The first set of methods directly select a subset of the information or modify them. However, the second group follows the hypothesis that attention is an emergent property of large assemblies of complex computational units having competitive interactions and attention is not separately designed. In this thesis, we pursue the second view and try to model attention for classification applications using a dynamical systems approach. The computational units of this model are arranged within a hierarchical structure to represent various features in different complexity levels which is called attention tree in this thesis. Moreover, inspired by the competitive behaviors of neural pools, the computational units are engaged in a competitive interaction whose parameter learning is accomplished through reinforcement learning. The proposed model is scrutinized through various classification experiments and the successful emergence of attentive behaviors is shown.
