FenixEdu™

Dissertação

{en_GB=Application of Artificial Neural Networks for modelling cognitive dimensions} {} EVALUATED

Detalhes: {pt=A relação cérebro-cognição mantém-se desconhecida apesar de décadas de investigação em neuroimagiologia funcional. Uma das limitaçōes prende-se com o facto dos processos cognitivos que tentamos associar com a actividade cerebral basearem-se em conceitos psicológicos apresentados previamente à introdução de técnicas de imagem médica. Neste projeto seguiu-se uma abordagem diferente, tirando vantagem dos desenvolvimentos com redes neurais artificiais (RNA) para aprender mecanismos partilhados. Pretendeu-se avaliar o mecanismo de execução de múltiplas provas cognitivas sem pré-definir os domínios cognitivos envolvidos. Assim sendo, um modelo de redes neurais recurrentes que resolve seis testes cognitivos foi desenvolvido com uma precisão de 93% abrangendo processos de reacção, inibição e memória de trabalho. Tendo em conta o modelo obtido, testou-se se o mecanismo providencia uma boa explicação dos padrões de actividade nas regiões cerebrais associadas previamente aos processos cognitivos. Embora as comparações entre os mecanismos biológicos e artificiais expressem poucas semelhanças, os mecanismos utilizados pelo modelo representam um sistema eficaz para interpretar cada prova. É aparente, por análise da interpretação do input do modelo, que os conceitos de prova e momento de reacção são importantes para obter a solução correcta. Através do estudo dos nós para cada prova, detectou-se que um dos nós (unidade 28) apresentou um comportamento semelhante ao processo de controlo de inibição em sistemas biológicos. Este trabalho pretendeu apresentar uma nova perspectiva na análise da relação cérebro-cognição, sugerindo um potencial nível de paralelismo entre o modelo neural desenvolvido e os processos biológicos. Esta perspetiva pode contribuir para uma clara interpretação dos processos cognitivos., en=The relationship between the brain and cognition remains unclear, despite several decades of functional neuroimaging research. One limitation is that the cognitive processes we attempt to match to brain activity are taken from psychological constructs derived in a somewhat ad hoc manner. This project took a different approach, taking advantage of developments with artificial neural networks (ANNs) to learn shared mechanisms. The purpose was to evaluate the execution mechanisms between multiple cognitive tasks without relying on predefined cognitive domains. Therefore, a Recurrent Neural Network was developed to perform six cognitive tasks with an accuracy of 93%, that tapped on the processes of reaction, inhibition and working memory. With regard to the obtained model, it was tested if the mechanism provides a good explanation for the activation patterns in the brain regions previously associated to the cognitive processes. Although comparisons between the model’s activations and real brain data bared little similarities, the model’s mechanisms expressed an effective system of interpreting each task. It was clear, by analysis of the model’s interpretation of the input dataset, that the concept of task and moment of reaction were important factors for the correct solution. From the study of node variation along trials, one stood out (unit 28) by displaying a behaviour similar to inhibition control in biological systems. This work intended to provide novel insights into both brain and cognition, suggesting a potential parallelism between the artificial model and the biological processes. This perspective can contribute to a clearer interpretation of the cognitive processes.}
Keywords: {pt=Percursos Neuronais, Ontologias, Aprendizagem Automática, Processos Cognitivos, en=Neural Pathways, Ontologies, Machine Learning, Cognitive Processes}

Discussão: novembro 12, 2018, 15:0