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
Predbežný harmonogram
- 09.00 – I. Farkaš, J. Rybár: 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
- Prestávka: (tip na vyplnenie času: prednáška prof. Jurišicu)
- 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
I. Farkaš / J. Rybár: 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: (bude doplnený)
I. Farkaš: Konekcionistické spracovanie jazyka je pretrvávajúcou výzvou v kognitívnej vede. 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.