Psikolojiden bir srecin modellenmesi Kart Sre Opponent Process

Psikolojiden bir sürecin modellenmesi: Karşıt Süreç (Opponent Process) Solomon-Corbitt’ 74 Hatırlatma İki süreç olmalı, birbirini et kileyen Bu iki sürecin harekete geçmesi de bir dış süreç tarafından belirlenmeli Hem dış uyaran hem de diğer süreç tarafından tetiklenen süreç Sadece dış uyaran tarafından tetiklenen süreç Örnek: Vücudda fark edilen bir kitle Düşünceler ile gelişen tedirginlik Kitlenin fark edilmesi ile beliren düşünceler

Hatırlatma Solomon-Corb, tt’ 74 makalesi sf. 126 - 129 Modelin açıklandığı bölümden yola çıkarak matematiksel modeli ve algoritmayı oluşturalım The primary a process for a given hedonic state is aroused by its adequate stimulus. We then imagine a single opponent loop generating the secondary b process and having an hedonic sign opposite to that of the state aroused by the input. The loop generating the b process is activated whenever any input evokes a sufficient hedonic consequence. The b process is sluggish, so it has a relatively long latency, recruits slowly, and dies out slowly. The affective system in Figure 3 receives a square wave input, and follows it with a dynamic affective response of the standard pattern The affective system in Panel A is shown as a single stage. Now, we will open the "black box" for this stage and look inside. Our proposal for the mechanism responsible for affective dynamics is shown in Figure 3, Panel B. Here, the affective stage is analyzed into its three component parts. The cognitive-perceptual stage has acted as a categorical detector. The informational signal enters the affective system as input to the first component, the a process, which has a short time constant. The signal from the a process activates the second component or b process, which responds with a slow rise and a slow decay. The third component is a summing device that adds the a and b signals, and it generates as its output the affective signal, which shows the sequence of the peak primary reaction A, adaptation, steady level, after-reaction B, and decay of B.

Hatırlatma Thus, we see that the input from the perceptual cognitive stage has an affective, hedonic side effect, Process a. When it does, the opponent loop is activated, calling into play the opponent process (which has a hedonic quality in some way opposite to, and very different from, that of Process a). The opponent process, which we call Process b, reduces the hedonic intensity of the state which the input initially aroused. When the perceptual-cognitive input ceases, the opponent process reveals itself as "pure « State B, because the b process takes a while to decay. The block diagram of the affect-control system in Figure 3 yields the temporal dynamics of affect shown in Figure 4, Panel A. There we first see a baseline state. Then the affect-arousing stimulus is presented and it stays on for 10 seconds. Next, it is suddenly terminated. This simple event sequence activates the underlying opponent processes. First, there is a quick rise of Process a to a peak intensity. Shortly afterward, there is a slow recruitment of Process b. When the stimulus is terminated, Process a quickly goes to zero, but Process b, having a sluggish decay property, perseverates and dies out slowly. The resultant manifest dynamics of affect are a consequence of subtracting the b process from the a process. We postulated that the /; process is a slave process. That means that at first it cannot be aroused directly by ordinary sensory inputs, but instead can arise only indirectly via the arousal of an a process (see Figure 3) and the subsequent activation of the opponent loop. Şimdi bu haliyle anladığımızı hem denklemler ile ifade etmeye hem de algoritmayı oluşturmaya çalışalım.

%%%%%%opponent_process için bir model%%%%% Hatırlatma %%%%%Kasım 28, 2016%%%%%%%amaç: opponent process için daha basit bir model oluşturmak%%% clear all; %%%%sistem 1%%% x_a=0; a_a=1. 2; %%%%sistem 2%%% x_b=0; a_b=0. 5; a_ab=1. 2; %%%% çıkış için %%%% katsayi=0. 3; %%%sayısal hesap için gerekenler%%% iterasyon=5000; mu=0. 01; %%% for k=1: iterasyon if k<1000|k>2500 u(k)=0; else u(k)=1; end x_a(k+1)=x_a(k)+mu*(-a_a*x_a(k)+u(k)); x_b(k+1)=x_b(k)+mu*(-a_b*x_b(k)+a_ab*x_a(k)); y(k+1)=x_a(k+1)-katsayi*x_b(k+1); end subplot(4, 1, 1), plot(x_a, 'r'), hold on, plot(x_b), hold on, plot(u, 'g') subplot(4, 1, 2), plot(x_a, 'r'), hold on, plot(u, 'g') subplot(4, 1, 3), plot(x_a, 'r'), hold on, plot(-x_b) subplot(4, 1, 4), plot(y, 'm'),

SIMULINK- Karşıt Süreçlerin Gerçeklenmesi Görsel olarak bir sistemdeki işaretlerin değişimini izlememize yardımcı olan blok diyagram gösteriminden esinlenerek oluşturulmuş yazılım ortamı. İşlemlere ilişkin tanımlanmış bloklar veya yeni tanımlanan bloklar dan yararlanarak alt sistemler oluşturulmasını ve bunlar arasındaki bağlantıların tanımlanmasına olanak tanır.

ACT-R Adaptive Control of Thought-Rational Bildirim Birimi Niyet Birimi Birimlerdeki oluşumlara duyarlı değil sadece tamponlardaki bilgiye duyarlı Kural tabanlı yapı İşlevsel bellek Hatırlatma (temporal/hippocampus) Amaç Tamponu DLPFC Geri Çağırma tamponu VLPFC Eşleme Striatum Seçme Pallidum Eylem Thalamus Görsel tampon Parietel Görsel Birim (Occipital) Çelişki çözümleme Üretim Bazal çekirdekler Manuel tampon motor Manuel Birim (motor/cerebellum) Dış Dünya Örüntü tanıma Eylemi kontrol etme/gerçekleme

Kural tabanlı yapı ile gerçekleştirilen ve işlevsel belleğe karşı düşen yapının nöral karşılığı Bazal çekirdekler ve thalamus Her birimin içinde parallel yapı var, ayrıca birimler de parallel chunk düzende ve senkronize çalışmakta. Her bir tampon birimi tek birim ifade edilebilir bellek bilgisi içermekte ! !! W anlamı farklı ! Bir “chunk”’ın aktive olması: Bir sayı, acaba ne? i. “chunk”’ın aktivasyonu Taban aktivasyon 0. 5 zaman Aktivasyonun ‘dan büyük olma olasılığı Bir sayı, acaba ne? 0. 4

Denetleyici Dikkat Sistemi Supervisory Attentional System D. A. Norman, T. Shallice tarafından 1980/1986 yıllarında önerilen, yönetimsel fonksiyonların bilişsel süreçleri kontrol eden ve yönlendiren bilişsel süreçler olduklarına ilişkin model. Model ile ADHD, Şizofreni, Parkinson gibi hastalıklar, frontal lob hasarlarındaki davranış bozuklukları için incelemeler yapılmıştır. 8 http: //en. wikipedia. org/wiki/Supervisory_attentional_system#mediaviewer/File: Graphical_representation_of_the_Norman_%26_Shallice_model. png

D. A. Norman, T. Shallice, «Hierarchical Schemas and Goals in the Control of Sequential Behavior, » , 2006 . 9

. R. P. Cooper, T. Shallice, «Attention to action: willed and automatic control of behavior, » , 1986 10

Stroop Testi MAVİ YEŞİL MAVİ SARI KIRMIZI YEŞİL KIRMIZI MAVİ 11 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

Model 13

Modelin Yapıları Duyusal ve Motor Devreler: Hopfield Ağları Kelime okuma : Denge noktası kelime vektörleri Renk Söyleme : Denge noktası renk vektörleri Hata Sezici: Anterior Cingulate Cortex (“Perceptron”lar) Otomatik Cevaplar : Basal Ganglia (Max-Net) Bastırma : Orbitofrontal Cortex (Hopfield Ağı) Dikkatin yönlendirilmesi : Anterior Cingulate Korteks (Winner-Take-All) 14

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 15 # 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

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 20 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 21 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.

Hesaplamalı Sinirbilim Ne ilgilenir? Biyolojik ve fonksiyonel açıdan, gerçek sinir hücresinin, hücre gruplarının, sinir sistemine ilişkin yapıların fizyolojisini ve dinamik davranışını açıklamayı hedefler. Ne ilgilenmez? Connectionist Bilişsel süreçleri modelleme de yararlanılan ve psikolojideki ilkelere dayalı «bağlantıcı» modeller ve makina öğrenmesi, yapay sinir ağları, hesaplamalı öğrenme teorisi gibi öğrenmeye ilişkin disiplinlerin yaklaşımları ve hedefleri ile ilintili değildir. Modeller farklı zamansal ve konumsal ölçeklerde süreçleri ele alırlar Küçük boyutlu Tek hücre dinamiklerinin ele alındığı modeller. Hücre aktivasyonu incelenmekte. Orta boyutlu Bir grup hücrenin davranışının ele alındığı modeller. Büyük boyutlu Farklı beyin bölgelerinin etkileşimin ele alındığı modeller.

Küçük boyutlu Sinirbilimde Model http: //strangepaths. com/wp-content/uploads/2006/10/neuron. jpg http: //jn. physiology. org/content/jn/83/5/3084. full. pdf E. M. Izhikevich, “Dynamical Systems in Neuroscience”, MIT Press, 2007

Orta boyutlu N. S. Şengör, Y. Kuyumcu, R. K. Çiftçi SİU 2014 http: //faculty. georgetown. edu/bth/glial%20 neuronal%20 mixed%20 culture. jpg http: //learnmem. cshlp. org/content/11/6/697. full. pdf+html

Hatırlatma/ Ders 8 Bir doğrusal olmayan sistemin durum portresine bakalım Bu üç denge noktasının civarında lineer eşdeğerin özdeğerlerine baksaydık nasıl özdeğerler görecektik?

Dallanma (Bifurcation) Dallanma: Bir parametrenin değişimi ile topolojik olarak eşdeğer olmayan durum portresinin oluşumuna “dallanma” denir. Bir örnek F. C. Hoppensteadt, E. M. Izhikevich , “Weakly Connected Neural networks”, Springer, 1997. E. M. Izhikevich, “Dynamical Systems in Neuroscience”, MIT Press, 2007