Line 10: Line 10:
 
* 10.10 – K. Rebrová: Modelovanie pomenovania farieb s využitím rozlišovacích kritérií
 
* 10.10 – K. Rebrová: Modelovanie pomenovania farieb s využitím rozlišovacích kritérií
  
* Prestávka: (tip na vyplnenie času: prednáška prof. Jurišicu)
+
* Prestávka: (tip na vyplnenie času: [http://compbio.fmph.uniba.sk/events/details.php?event=4b60081583bee prednáška prof. Jurišicu])
  
 
* 11.40 – I. Farkaš: Konekcionistické spracovanie viet prirodzeného jazyka.
 
* 11.40 – I. Farkaš: Konekcionistické spracovanie viet prirodzeného jazyka.

Latest revision as of 10:53, 10 February 2010

Srdečne Vás pozývame na ďalší zo seminárov informatickej sekcie FMFI. Tentokrát sa predstavia kolegovia a doktorandi KAI, ktorých práca sa týka kognitívnej vedy a umelej inteligencie.

11. 2. 2010 (štvrtok), poslucháreň B

Harmonogram

  • 09.00 – J. Rybár, I. Farkaš: Úvod
  • 09.10 – Z. Petráková, P. Náther, Ľ. Beňušková, M. Markošová: Aplikácia teórie sietí v biológii: funkčné siete mozgu
  • 09.50 – M. Malý: Asociatívne siete v spojení s rozlišovacími kritériami, učením s posilňovaním a abstrakciou
  • 10.10 – K. Rebrová: Modelovanie pomenovania farieb s využitím rozlišovacích kritérií
  • 11.40 – I. Farkaš: Konekcionistické spracovanie viet prirodzeného jazyka.
  • 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

J. Rybár / I. Farkaš: Rozvíjanie kognitívnej vedy na FMFI UK v slovenskom a stredoeurópskom kontexte.

Z. Petráková, P. Náther, Ľ. Beňušková, 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.

M. 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.

K. Rebrová: Kategorizácia je pokladaná za esenciálny mechanizmus myslenia. Skutočnosť, že vnímanie farieb je univerzálnou črtou ľudskej vizuálnej percepcie, nám umožňuje skúmať a porovnávať kategorizáciu farieb v akejkoľvek kultúre či jazyku, či umelom systéme. Predstavíme model kategorizácie farieb založený na sémantike rozlišovacích kritérií a z neho vytvorenú simuláciu natrénovanú na dátach zo svetovej farebnej štúdie (WCS). Načrtneme jeho možné využitie v multiagentovej simulácií kategorizácie farieb so zameraním na vývoj kolektívneho lexikónu v procese sociálnej interakcie.

I. Farkaš: Konekcionistické spracovanie jazyka je pretrvávajúcou výzvou v kognitívnej vede ako alternatíva k tradičným symbolovým modelom. Okrem príkladu použitia modelu rekurentnej neurónovej siete v úlohe predikcie slov bude naznačený aj trend v KV spojiť lingvistickú informáciu s percepciou/motorikou, v duchu stelesnenej situovanej kognície.

P. Vančo: Spracovanie (reprezentovanie) dát so stromovou štruktúrou je výzvou pre distribuované konekcionistické modely, ktoré disponujú inými mechanizmami než symbolové metódy UI. Zameriame sa na triedu modelov rekurzívnych samoorganizujúcich sa neurónových máp, ktoré dokážu reprezentovať (a vizualizovať) stromové štruktúry, a ktoré možno i analyzovať. Fungovanie takýchto modelov ilustrujeme na príklade.

M. Čertický: Zavedenie formalizmu rozširujúceho historicky STRIPS nám umožňuje plánovanie s neúplnými znalosťami reprezentovanými nemonotónnou logikou bez nutnosti definovania jednotlivých fluentov, čo nám dáva možnosť separovať reprezentáciu jednotlivých akcií od zvyšku plánovacieho problému. Prezentujeme výsledky porovnania nášho plánovača pre IK-STRIPS formalizmus s bežne používanou alternatívou DLV^K na experimentálnych doménach.