Glay Bykaksoy Kaplann doktora tezi 2003 Wisconsin Kart

Gülay Büyükaksoy Kaplan’ın doktora tezi (2003) Wisconsin Kart Sıralama Testi WCST • soyutlama, Referans kartlar • hipotez sınama, • zihinsel esneklik.

WCST-Testin Değerlendirilmesi • Doğru yanıtlar • Tamamlanan kategoriler • Perseveratif (ısrarcı) yanıtlar • Kurulumu sürdürmede başarısızlık (FMS)

WCST- önerilen model • Kuralın belirlenmesi Sınıflama kuralını belirlemek Uygulayıcının yanıtı “doğru” ise kuralı tutmak, “yanlış” ise kuralı değiştirmek • Kart Seçimi Sınıflama kuralına uygun referans kartı belirlemek

Referans Kartlar Kart belirleme Çalışma belleği Bir önceki kuralı tutmak veya yeni kuralı belirlemek için uygulayıcının yanıtını tutmak Rule Specifier Hipotez üreteci Uygulayıcının yanıtı”yanlış” ise alternatif kural üretme ve çalışma belleğine sunma Hypothesis Generator

Kartların kodlanması Renk 5 Şekil Sayı Kırmızı: [1000] Üçgen: [1000] 1: [1000] Sarı Yıldız : [0100] 2: [0100] Mavi : [0010] Artı : [0010] 3: [0010] Yeşil : [0001] Daire : [0001] 4: [0001] : [0100] renk şekil sayı

Benzetim Sonuçları Koşul 6 Ham. uzak Hop. eşik #Doğru cevap #Kategori % Pers. hata FMS Yorum 1 3 T 64. 6 3. 5 6. 0 0 9. 9 2. 8 0 0 Esnek 4 3 -2 T 64 1. 8 6. 0 0 9. 5 2. 1 0 0 Esnek 7 2 T 67. 6 3. 7 6. 0 0 14. 2 4. 6 0 0 Az Esnek 10 2 -1 T 70. 7 5. 5 6. 0 0 17. 9 3. 7 0 0 Az Esnek 2 3 T 1 73. 7 6. 1 1. 1 0. 5 19. 7 2. 9 3. 2 1. 6 Zihni dağınık 5 3 -2 T 1 75. 9 6. 1 1. 6 1. 0 17. 7 3. 4 2. 7 1. 3 Zihni dağınık 8 2 T 1 66. 3 9. 1 0. 4 0. 5 24. 6 4. 9 2. 6 2. 1 Katı/Dağ. 11 2 -1 T 1 73. 2 6. 3 1. 3 0. 5 21. 2 5. 0 2. 4 1. 2 3 3 T 2 66. 2 8. 4 0. 3 0. 5 26. 5 6. 4 2. 4 1. 8 Katı/Dağ. 6 3 -2 T 2 72. 6 7. 9 0. 8 25. 9 6. 2 3. 1 1. 7 Katı/Dağ. 9 2 T 2 66. 7 9. 9 0. 5 0. 7 27. 9 8. 6 2. 0 1. 5 Katı/Dağ. 12 2 -1 T 2 59. 8 6. 3 0. 1 0. 3 29. 1 6. 9 2. 0 0. 9 Katı/Dağ. 14 1 T 1 58. 8 6. 9 1. 1 0. 4 32. 4 6. 2 1. 1 0. 6 Katı 17 0 T 1 31. 5 4. 7 0 0 38. 6 4. 8 0 0 Katı 15 1 T 2 61. 9 8. 3 0 0 27. 7 6. 8 2. 4 1. 2 Katı 18 0 T 2 30. 4 4. 1 0 0 39. 4 3. 5 0 0 Katı 13 1 T 39. 4 0. 5 1. 0 0 67. 8 0. 5 0 0 Çok Katı 16 0 T 32. 8 2. 5 0. 1 0. 3 73. 0 1. 5 0 0 Çok Katı/Dağ.

Stroop Testi MAVİ YEŞİL MAVİ SARI KIRMIZI YEŞİL KIRMIZI MAVİ 7 KIRMIZI SARI KIRMIZI MAVİ YEŞİL MAVİ SARI YEŞİL MAVİ KIRMIZI SARI YEŞİL KIRMIZI

Stroop Test • Seçici Dikkat özgün ödev için otomatik olan davranışı bastırmak • Ölçütler testin süresi hata sayısı, düzeltme sayısı

Stroop test-the proposed model Duyusal ve motor devreler: Hopfield ağları Basal Çekirdekler: Maxnet , OF tarafından modüle edilen otomatik işlem Seçici dikkat: Kazanan hepsini alır Özgün bilgi geldiğinde OF’yi uyarmak için Hata Sezici : Perceptron yapıları ödev ile yanıtın uyuşmadığı durumlarda OF’yi uyaracak hata işaretini üretmek için

Benzetim Sonuçları Baz Ol. Süre (sec) # Hata 0. 4 0. 1 0. 9 28. 4 ± 3. 2 28. 9 ± 2. 4 0. 3 0. 1 31. 7 ± 1. 8 0. 3 0. 9 33. 6 ± 4 0. 2 0. 1 0. 05 0. 1 0. 9 10 # Düz. Yorum 0. 4 ± 0. 6 0. 08 ± 0. 3 bastırma 0. 3 ± 0. 5 0. 08 ± 0. 3 2 ± 0. 7 0. 08 ± 0. 3 2. 8 ± 1. 5 0. 9 ± 0. 9 36. 6 ± 2. 2 5. 6 ± 1. 9 39. 7 ± 2 5 ± 1. 3 39. 5 ± 2. 5 9. 6 ± 2. 3 47 ± 2. 8 9. 2 ± 2. 7 40. 4 ± 2. 8 11. 3 ± 2. 2 48. 3 ± 2. 5 11. 4 ± 1. 8 0. 3 ± 0. 5 1. 75 ± 1. 2 0. 4 ± 0. 6 3. 3 ± 1. 7 0. 3 ± 0. 7 3 ± 1. 5 süre

Selin Metin’in doktora çalışması (2010) Nikotin Bağımlılığı için Bir Hesaplamalı Model Eylem seçici devre Wr UDA Değer Atama ri Eylem Değerlendirme Pekiştirmeli Öğrenme 11

PEKİŞTİRMELİ ÖĞRENME Keşfetme ↔ Kullanma • Strateji Aktör • Ödül • Değer • Ortam modeli Durum Ödül Eylem si ri ai Ortam Dayan, P. : Dopamine, Reinforcement Learning, and Addiction, Pharmacopsychiatry 42 (2009) S 56 -S 65

Eylem Seçici Devre ri Değer Atama Eylem Değerlendirme

BEYİNDEKİ DOPAMİN ALT SİSTEMİNİN ELEMANLARI

EYLEM DEĞERLENDİRME ALTSİSTEMİ Aktivasyon fonksiyonları: Dinamik Sistem: 15

SİSTEMİN DALLANMA DİYAGRAMLARI Eylem seçici devrede ppm değişkeninin Wr parametresine göre dallanması 16

SİSTEMİN DAVRANIŞI – BAĞIMLILIK GELİŞTİREN δ hata işareti & sigara içme için seçimler 17

SİSTEMİN DAVRANIŞI – BAĞIMLILIK GELİŞTİRMEYEN δ hata işareti & sigara içme için seçimler 18

SİSTEM DAVRANIŞI- KARARSIZ δ hata işareti & sigara içme için seçimler 19

20 / 50 bağımlı Bağımlılk geliştirme için ortalama süre = 346 / 1000 adım ve σ = 265. 7671 Davranış Seçici Devre UDA Değer Atama ri Davranış Değerlendirme 20

W PARAMETRELERİNİN DEĞERLERİ Bağımlılığın geliştirildiği durum: İlk değerler: 21

W PARAMETRELERİNİN DEĞERLERİ Bağımlılığın geliştirilmediği durum: İlk değerler: 22

Yinelemeli ağlar (Recurrent Networks) Dinamik yapılar Çıkışlarda geçmişe ait verilerin de katkısı var Kaotik davranış da dahil çok farklı davranışları modellemek mümkün

Elman Ağı ile zamanda yapı tanıma: kelime tanıma Elman ağı belirli bir kurala göre oluşturulmuş sembol dizisinin altında yatan kuralı öğrenebiliyor. Bu semboller dili oluşturan sesler olarak düşünülebilir. Harf dizisine ilişkin gösterim: 6 özellik ile elde ediliyor Sessiz Sesli Kesikli Yüksek Dönüşlü Akortlu b [1 0 0 1] d [1 0 1] g [1 0 1 1] a [0 1 0 0 1 1] i [0 1 0 1] u [0 1 1 1] Mahmut Meral Bitirme Ödevi, 2003

önce üç sessiz harften biri rasgele olarak seçilip sesli harfler aşağıdaki kurala göre araya eklenmiştir. b -> ba d -> dii g -> guuu Örneğin rasgele seçilen sessiz harf dizisi dbgbddg… ise oluşan harf dizisi: diibaguuubadiidiiguuu… şeklindedir. . . U(n+1) . . . . U(n) 0 1 0 0 1 1 1 0 1 0 1 0 1 1 1 0 1 1 1

Elman Ağı ile kelime dizisi tanıma Elman ağı, ses sembollerinden (harflerden) oluşan kelimeler kullanılarak bir harf dizisinin içinden anlamlı harf dizilerini de (kelimeleri) ayırabilir Uygulamada on üç farklı harften oluşan altı farklı kelime kullanılmaktadır. Harfler beş bitlik vektörler olarak kodlanmıştır. Kelimelerin uzunluğu üç ile yedi harf arasında değişmektedir. Altı kelimeden rasgele 450 kelime uzunluklu bir dizi oluşturdu. Daha sonra kelime dizisi 2106 harf uzunluğunda bir harf dizisine çevrilerek beş bitlik vektörler şeklinde kodlandı

e l m a n a ğ ı i l e z a m a n d a y a p ı t a n ı m a Giriş 00101 01000 01100 00001 01101 00001 00110 00111 01000 00100 10010 00001 01101 00010 00001 10001 01110 001111 00001 01101 001100 00001 l m a n a ğ ı i l e z a m a n d a y a p ı t a n ı m a Çıkış 01000 01100 00001 01101 00001 00110 00111 01000 00100 10010 00001 01101 00010 00001 10001 01110 001111 00001 01101 001100 00001

Kelimeler arası sınırlarda iki ve üzerinde hatalı bit oluşmaktadır. Bir nokta hariç ara noktalarda ise hatalı bit yoktur. . Sadece “zamanda” kelimesindeki “d” harfinin tahmininde bir hatalı bit oluşmaktadır. Bu durumun sebebi “elman” ve “zamanda” kelimelerinin her ikisinde de “man” dizisinin bulunmasıdır. ”zamanda” kelimesindeki “man” dizisinden sonra “d” gelmesi beklenirken, “elman” kelimesindeki “man” dizisinden sonra altı kelime içinden herhangi birinin ilk harfi (e, a, i, z, y, t) gelebilmektedir. Bu durum eğitimi olumsuz yönde etkileyerek hatanın yeterince azalmasını önlemektedir