Informacija

Biološki vjerojatan kognitivni model zadatka sortiranja kartica Wisconsin

Biološki vjerojatan kognitivni model zadatka sortiranja kartica Wisconsin


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Kao što je već spomenuto, postoji širok raspon modela koji su primijenjeni na zadatak sortiranja kartica Wisconsin. Međutim, koji je biološki najvjerojatniji? Odnosno, koristi realan model neurona, poštuje ograničenja ljudskog mozga i lako preslikava eksperimentalne podatke.


Amos (2000) i Monchi i sur. (2000) koriste sličan pristup dodjeljivanja svakog atributa kartice čvoru i međusobnom inhibicijom za odabir pravog. Iako su njihovi modeli biološki uvjerljivi i daju mnoga neuroanatomska predviđanja, funkcionalno su nevjerojatni. Njihove mreže stvorene su za jedinstvenu svrhu dovršavanja WCST -a. Koliko ja znam, ova vrsta specijalizacije se ne nalazi u mozgu. Također mi je jako teško razumjeti da Monchi koristi neurone Leaky-Integrate-Fire za izračunavanje funkcija, ali to bi moglo biti tema za drugo pitanje.

Rougier i sur. (2005.) koriste Leabru, koja je kritizirana zbog nedostatka biološke vjerojatnosti. Za daljnju elaboraciju ovih kritika, koje su uglavnom usredotočene na biološki nevjerojatnu uporabu računalnog bloka Winner-Takes-All koji se koristi, provjerite Chris Eliasmith Kako izgraditi mozak.

Bishra i sur. (2010) definiraju samo simbolična pravila. Ne postoji neuroanatomsko mapiranje. Slijedom toga, iako tvrde da bi podešeni parametri mogli predvidjeti performanse, čini se da nema definicije odakle ti parametri dolaze.

Zaključno, iako niti jedan od pristupa nije savršeno biološki uvjerljiv, čini se da su Amos i Monchi definitivno na vrhu. Iako su strogo kodirani koncepti, kao što su mogući parametri za usklađivanje, potpuno prihvatljivi, model koji se integrira s većim općenitijim sustavom, a da ostane biološki uvjerljiv bio bi idealan.


Rigotti i sur. imati model zadatka sortiranja kartice Wisconsin pomoću neuronske mreže i usporediti ga s podacima iz prefrontalnog korteksa http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2967380/


Gledaj video: Philip Zelazo - Dimensional Change Card Sort DCCS Task (Svibanj 2022).