Seminar KAI feb2010: Rozdiel medzi revíziami
| Riadok 5: | Riadok 5: | ||
* 09.00 - Úvod (I. Farkaš / J. Rybár) | * 09.00 - Úvod (I. Farkaš / J. Rybár) | ||
| − | |||
| − | |||
| − | |||
* 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.