علوم اعصاب محاسباتی
مریم مقدم؛ فرزاد توحیدخواه؛ گلناز بغدادی
دوره 15، شماره 2 ، شهریور 1400، ، صفحه 111-125
چکیده
در فیزیولوژی شناختی و علوم اعصاب، حافظهی مکانی بخشی از حافظه بوده که مسئول ثبت و بازخوانی اطلاعات دربارهی اجزای محیط، جهتگیری و ناوبری است. اعمال شناختی مغز از جمله ناوبری، از طریق فعالیتهای دارای همبستگی و دنبالهای نواحی مختلف مغز شکل گرفته و اجرا میشوند. طبق تحقیقات انجام شده، فرایند ناوبری عمدتا به عملکرد هیپوکمپ ...
بیشتر
در فیزیولوژی شناختی و علوم اعصاب، حافظهی مکانی بخشی از حافظه بوده که مسئول ثبت و بازخوانی اطلاعات دربارهی اجزای محیط، جهتگیری و ناوبری است. اعمال شناختی مغز از جمله ناوبری، از طریق فعالیتهای دارای همبستگی و دنبالهای نواحی مختلف مغز شکل گرفته و اجرا میشوند. طبق تحقیقات انجام شده، فرایند ناوبری عمدتا به عملکرد هیپوکمپ و بخش گیجگاهی میانی مرتبط است و بازیابی حافظهی مکانی از این نواحی تحت کنترل ناحیهی پیشانی و مشخصا قشر پیشپیشانی میانی انجام میشود. با توجه به عدم وجود یک مدل شناختی و محاسباتی جامع از فرایند ناوبری در مسیر یاد گرفته شده، مبهم بودن اطلاعات انتقالی بین واحدها و همچنین دور بودن بسیاری از مدلهای ارائه شده با واقعیت اتفاق افتاده در تبادل اطلاعات در این فرایند شناختی مغز، در این مقاله سعی شده است تا مدلی شناختی از این فرایند بر اساس رویکردهایی از مفاهیم محاسباتی و با تمرکز بر تعامل دوطرفه بین HPC و mPFC ارائه شود. مدل پیشنهادی در بر گیرندهی مهمترین نواحی مغزی فعال در ناوبری با استفاده از نقشهی شناختی بوده و بر اساس نحوهی عملکرد و تعاملات بین نواحی مختلف مغزی، توصیفهایی را بر مبنای مفاهیم سنکرونی بین نوسانگرها ارائه میکند. در این مدل بر اساس فرایند سنکرونی در انتقال اطلاعات و ماهیت عملکرد مبتنی بر قواعد واحد mPFC در کنترل واحدهای گیجگاهی میانی، ایدهی استفاده از مجموعههای نورونی وندرپل و پایگاه قواعد کنترلی مطرح شده است. همچنین با تحلیل و ارائهی شواهد نشان داده شده است که این مدل در راستای توجیه اختلالات عملکردی و شناختی در ناوبری و طراحی و پیشبینی اثر پروتکلهای درمانی و توانبخشی در بیماریهای مرتبط با این عملکرد شناختی نظیر آلزایمر میتواند مفید و کاربردی باشد.
علوم اعصاب محاسباتی
مریم صادقی تالارپشتی؛ محمدعلی احمدی پژوه؛ فرزاد توحیدخواه
دوره 14، شماره 4 ، بهمن 1399، ، صفحه 333-344
چکیده
توانایی انسان برای انجام چند وظیفهی همزمان در مطالعات بسیاری مورد بررسی قرار گرفته و انجام دو وظیفهی توام همواره یکی از مهمترین مسایل شناختی و روانشناختی بوده است. نحوهی اجرا و تاثیر دو وظیفهی توام روی یکدیگر به منظور شناخت کارکرد مغز و تاثیر آن روی خروجی رفتاری در بیماریهای مختلف مورد مطالعه قرار گرفته است. در این ...
بیشتر
توانایی انسان برای انجام چند وظیفهی همزمان در مطالعات بسیاری مورد بررسی قرار گرفته و انجام دو وظیفهی توام همواره یکی از مهمترین مسایل شناختی و روانشناختی بوده است. نحوهی اجرا و تاثیر دو وظیفهی توام روی یکدیگر به منظور شناخت کارکرد مغز و تاثیر آن روی خروجی رفتاری در بیماریهای مختلف مورد مطالعه قرار گرفته است. در این مقاله تاثیر سختی بر اجرای دو وظیفهی توام گسسته-پیوسته و حرکتی-شناختی مورد بررسی قرار گرفته است. برای این منظور از یک وظیفهی گسستهی شنیداری به همراه وظیفهی پیوستهی حرکتی دنبال کردن به عنوان دو وظیفهی توام استفاده شده است. تعداد 25 نفر در این آزمایش شرکت کرده و از آنها خواسته شده است تا به صورت همزمان به تحریک شنیداری پاسخ داده و عمل دنبال کردن حرکتی را نیز انجام دهند. تاثیر سختی روی میزان خطا و زمان پاسخ با استفاده از مدل رانش-انتشار بررسی شده است. در این مدل چهار پارامتری، پارامتر رانش برای بررسی میزان دشواری وظیفه در نظر گرفته شده است. نتایج پارامتر رانش (مقادیر میانگین 5/0، 3/0 و 2/0) در مدل میتواند با تغییرات دشواری در سه سطح، در آزمایش هماهنگی خوبی داشته و به عنوان پارامتر دشواری مورد استفاده قرار گیرد.
علوم اعصاب محاسباتی
ناصر صادقنژاد؛ مهدی ازوجی؛ رضا ابراهیمپور
دوره 14، شماره 1 ، اردیبهشت 1399، ، صفحه 69-79
چکیده
یکی از اصلیترین تواناییهای شناختی انسان و جانوران، بازشناسی اشیا است. سامانهی بینایی انسان به عنوان یک سامانهی سریع و دقیق میتواند منبع الهام مناسبی برای ارائهی مدلهای محاسباتی بازشناسی اشیا باشد. پژوهشهای پیشین که به بررسی رفتار سامانهی بینایی انسان در بازشناسی اشیا پرداختهاند، بر پردازش طی گامهای ...
بیشتر
یکی از اصلیترین تواناییهای شناختی انسان و جانوران، بازشناسی اشیا است. سامانهی بینایی انسان به عنوان یک سامانهی سریع و دقیق میتواند منبع الهام مناسبی برای ارائهی مدلهای محاسباتی بازشناسی اشیا باشد. پژوهشهای پیشین که به بررسی رفتار سامانهی بینایی انسان در بازشناسی اشیا پرداختهاند، بر پردازش طی گامهای زمانی در این سامانه تاکید کردهاند، در حالی که در مدلهای محاسباتی موجود برای بازشناسی اشیا، چنین چیزی مورد توجه قرار نمیگیرد. در این مقاله سعی شده است تا یک مدل چندلایهی مبتنی بر زمان برای بازشناسی اشیا ارائه شود. در لایهی نخست مدل، اطلاعات تصویر ورودی در یک بازنمایی زمانی به لایههای بعدی ارسال میشود. در لایهی میانی مدل، از یک شبکهی عصبی عمیق به عنوان استخراج کنندهی ویژگی استفاده شده است. در پایان، برخلاف مدلهای محاسباتی موجود برای بازشناسی اشیا، پیشنهاد شده است که برای طبقهبندی ویژگیهای استخراج شده از مدلهای تصمیمگیری مبتنی بر سازوکار نورونی تصمیمگیری در مغز مانند مدل رانشی-انتشار استفاده شود. به بیان دیگر، در هر یک از این سه لایه تلاش شده است تا تطبیق مناسبی با سازوکار سامانهی بینایی انسان ایجاد شود. برای ارزیابی کارایی مدل محاسباتی پیشنهادی در بازشناسی اشیا، آزمونهای متعددی انجام شده است. نتایج به دست آمده از بررسی مدل پیشنهادی نشان میدهد که با دشوارتر شدن تصاویر، افزودن نویز یا بروز انسداد، کارایی مدل در بازشناسی اشیا کاهش یافته و زمان پاسخدهی آن افزایش مییابد که این روند با شواهد رفتاری انسانی مطابقت دارد. همچنین عملکرد مدل برای تشخیص شی و طبقهبندی سطح پایه در دو حالت تصاویر اصلی و تصاویر وارونه بررسی شده است. نتایج به دست آمده گویای تفاوت بین پردازش تشخیص شی با طبقهبندی سطح پایه است که این نتایج با آزمایشهای رفتاری گزارش شده در مقالههای مرجع همخوانی دارد.