Riadok 5: Riadok 5:
  
 
* 09.00 - Úvod  (I. Farkaš / J. Rybár)
 
* 09.00 - Úvod  (I. Farkaš / J. Rybár)
 
Pár slov o súvise kognitívnej vedy a informatiky, o snahe rozvíjať KV na FMFI, hlavne z pohľadu výpočtového modelovania, a o vybraných príspevkoch.
 
 
 
* 09.10 - Z. Petráková, P. Náther, M. Markošová: Aplikácia teórie sietí v biológii: funkčné siete mozgu
 
* 09.10 - Z. Petráková, P. Náther, M. Markošová: Aplikácia teórie sietí v biológii: funkčné siete mozgu
 
 
 
* 09.50 – J. Malý: Asociatívne siete v spojení s rozlišovacími kritériami, učením s posilňovaním a abstrakciou
 
* 09.50 – J. Malý: Asociatívne siete v spojení s rozlišovacími kritériami, učením s posilňovaním a abstrakciou
 
 
 
* 10.10 – K. Rebrová: Modelovanie pomenovania farieb s využitím rozlišovacích kritérií
 
* 10.10 – K. Rebrová: Modelovanie pomenovania farieb s využitím rozlišovacích kritérií
  
Riadok 24: Riadok 17:
  
 
== Abstrakty ==
 
== Abstrakty ==
 +
 +
* I. Farkaš / J. Rybár: Pár slov o snahe rozvíjať kognitívnu KV na FMFI, najmä z pohľadu výpočtového modelovania. Pár slov k vybraným príspevkom.
  
 
* Z. Petráková, P. Náther, M. Markošová: Siete, ktoré skúmame v prírode, majú veľmi často podobné vlastnosti. Sú sieťami malého sveta, bezškálovými a hierarchickými sietami. Matematické modely rastúcich sietí dokážu vysvetliť, akými spôsobmi siete s takýmito vlastnosťami vznikajú. Okrem teoretického úvodu ukážeme aj konkrétne spracovanie dát z fMRI meraní mozgu. Spracovanie dát, t.j. extrakcia funkťných sietí mozgu, umožňuje prepojiť teóriu sietí s kognitívnou vedou.
 
* Z. Petráková, P. Náther, M. Markošová: Siete, ktoré skúmame v prírode, majú veľmi často podobné vlastnosti. Sú sieťami malého sveta, bezškálovými a hierarchickými sietami. Matematické modely rastúcich sietí dokážu vysvetliť, akými spôsobmi siete s takýmito vlastnosťami vznikajú. Okrem teoretického úvodu ukážeme aj konkrétne spracovanie dát z fMRI meraní mozgu. Spracovanie dát, t.j. extrakcia funkťných sietí mozgu, umožňuje prepojiť teóriu sietí s kognitívnou vedou.

Verzia zo dňa a času 12:31, 2. február 2010

Srdečne Vás pozývame na ďalší z informatických seminárov, na ktorom sa tento krát predstavia kolegovia a doktorandi KAI, ktorých práca sa týka kognitívnej vedy a umelej inteligencie.

11. 2. 2010 (štvrtok), miestnosť B


  • 09.00 - Úvod (I. Farkaš / J. Rybár)
  • 09.10 - Z. Petráková, P. Náther, M. Markošová: Aplikácia teórie sietí v biológii: funkčné siete mozgu
  • 09.50 – J. Malý: Asociatívne siete v spojení s rozlišovacími kritériami, učením s posilňovaním a abstrakciou
  • 10.10 – K. Rebrová: Modelovanie pomenovania farieb s využitím rozlišovacích kritérií
  • Prestávka: (tip na vyplnenie času: prednáška prof. Jurišicu)
  • 11.40 – I. Farkaš: Konekcionistické spracovanie viet v jazyku.
  • 12.00 – P. Vančo: Učenie stromových štruktúr pomocou rekurzívnych samoorganizujúcich sa máp
  • 12.20 – M. Čertický: IK-STRIPS: Intuitívne plánovanie so stabilnomodelovou sémantikou
  • 12.40 – Záver

Abstrakty

  • I. Farkaš / J. Rybár: Pár slov o snahe rozvíjať kognitívnu KV na FMFI, najmä z pohľadu výpočtového modelovania. Pár slov k vybraným príspevkom.
  • Z. Petráková, P. Náther, M. Markošová: Siete, ktoré skúmame v prírode, majú veľmi často podobné vlastnosti. Sú sieťami malého sveta, bezškálovými a hierarchickými sietami. Matematické modely rastúcich sietí dokážu vysvetliť, akými spôsobmi siete s takýmito vlastnosťami vznikajú. Okrem teoretického úvodu ukážeme aj konkrétne spracovanie dát z fMRI meraní mozgu. Spracovanie dát, t.j. extrakcia funkťných sietí mozgu, umožňuje prepojiť teóriu sietí s kognitívnou vedou.
  • J. Malý: Rozlišovacie kritérium je nástroj na zachytenie nejakeho konceptu.Sieť (graf) takýchto konceptov, kde by hrany predstavovali zažité asociácie, môže byť štruktúrou na zachytenie a znovupoužitie poznatkov. Pomocou učenia s posilňovaním môžeme konceptom priraďovať ohodnotenie, ktoré pre agenta predstavuje motiváciu na cielené prehľadávanie grafu a vykonanie akcií v snahe dosiahnuť lepšie ohodnotený stav. Sieť konceptov je potrebné priebežne doplňovať o získavané poznatky a vytvárať z nich zovšeobecnenia. Abstrakcia je

spôsob, ako sa zbaviť prebytočných informácií (a udržať pamäťovú a výpočtovú zložitosť "na uzde"), a tiež spôsob, ako umožniť predvídanie/prispôsobovanie.