Teorie e modelli nelle scienze cognitive (parte 2) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano [email protected] http://boccignone.di.unimi.it/PMP_2018.html
Teorie e modelli nelle scienze cognitive
(parte 2)
Corso di Principi e Modelli della Percezione
Prof. Giuseppe Boccignone
Dipartimento di InformaticaUniversità di Milano
[email protected]://boccignone.di.unimi.it/PMP_2018.html
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Teorie e modelli nelle scienze cognitive
(parte 2)
Corso di Principi e Modelli della Percezione
Prof. Giuseppe Boccignone
Dipartimento di InformaticaUniversità di Milano
[email protected]://boccignone.di.unimi.it/PMP_2018.html
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Teoria computazionale
Rappresentazione e algoritmo
Implementazione hardware
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Teoria computazionale
Rappresentazione e algoritmo
Implementazione hardware
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Livello psicologico
Livello neurofisiologico
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livelli di
spiegazione
secondo Marr
Livello psicologico
Livello neurofisiologico
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livello psicologico
Livello neurofisiologico
Modello teorico
Simulazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Livello psicologico
Livello neurofisiologico
Modello teorico
Simulazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
Modello alLivello n
ImplementazioneLivello n
Bayesian Theory
Constraintsand
Hypotheses
Implementation Theory
T E
F
Affective state
Expressed features
Behavioural Theories &
Observations
NeuralTheories& Observations
Neuroimaging
10
• Modelli Bayesiani
Personal traits
A4Network 3Network 2Network 1
A1 A3A2
Cognitive
Behaviours
Neuralcomputations
Brainareas
Aff
ectiv
e
NC2 NC3 NC4NC1
y
e
)
d
r -
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
Modello alLivello n
ImplementazioneLivello n
Bayesian Theory
Constraintsand
Hypotheses
Implementation Theory
T E
F
Affective state
Expressed features
Behavioural Theories &
Observations
NeuralTheories& Observations
Neuroimaging
10
• Modelli Bayesiani
Personal traits
A4Network 3Network 2Network 1
A1 A3A2
Cognitive
Behaviours
Neuralcomputations
Brainareas
Aff
ectiv
e
NC2 NC3 NC4NC1
y
e
)
d
r -
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Teorie e modelli:
//processo di depolarizzazione della membrana
Teorie e modelli:
//membrana: modello di Hodgkin-Huxley
Teorie e modelli:
//processo di depolarizzazione della membrana
Teorie e modelli:
//membrana: modello di Hodgkin-Huxley
Teorie e modelli:
//membrana: modello di Hodgkin-Huxley
Teorie e modelli:
//membrana: modello di Fitzhugh-Nagumo
Teorie e modelli:
//membrana: modello di Hodgkin-Huxley
Teorie e modelli:
//membrana: modello di Fitzhugh-Nagumo
Teorie e modelli:
//il neurone: un modello semplificato
Il livello neurobiologico: neuroni
//un modello semplificato
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i
neuroni e la trasmette al corpo cellulare
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
assone: trasmette
l’informazione dal soma alle sinapsi
Teorie e modelli:
//il neurone: un modello semplificato
Il livello neurobiologico: neuroni
//un modello semplificato
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i
neuroni e la trasmette al corpo cellulare
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
assone: trasmette
l’informazione dal soma alle sinapsi
Il livello neurobiologico: neuroni
//un modello semplificato
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
assone: trasmette
l’informazione dal
soma alle sinapsi
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i
neuroni e la trasmette al corpo cellulare
Il livello neurobiologico: neuroni
//un modello semplificato
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i neuroni e la trasmette
al corpo cellulare
assone: trasmette
l ’ in formazione dal soma alle sinapsi
Il livello neurobiologico: neuroni
//un modello semplificato
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
assone: trasmette
l’informazione dal
soma alle sinapsi
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i
neuroni e la trasmette al corpo cellulare
Il livello neurobiologico: neuroni
//un modello semplificato
soma o corpo cellulare:
contiene il nucleo, con i cromosomi. Se il soma è sufficientemente eccitato dall’informazione
proveniente dai dendriti trasmette un segnale
all’assone
d e n d r i t e : r i c e v e
i n f o r m a z i o n e d a i neuroni e la trasmette
al corpo cellulare
assone: trasmette
l ’ in formazione dal soma alle sinapsi
Il livello neurobiologico: neuroni
//un modello semplificato
Il livello neurobiologico: neuroni
//la questione dei livelli
F-N
H-H
Il livello neurobiologico: neuroni
//un modello semplificato
Il livello neurobiologico: neuroni
//la questione dei livelli
F-N
H-H
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione Livello: membrana
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione Livello: unità neurale
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione Livello: membrana
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione Livello: unità neurale
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
dati sperimentali
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
dati sperimentali
Output: spike
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
dati sperimentali
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
dati sperimentali
Output: spike
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Simulazione
Campionamentostocastico dell’input
“Pesatura sinaptica” e somma
Funzione a soglia
Output: spike
Prob({1 spike}) =
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Qual è il goal della computazione?
Quale rappresentazione e quale algoritmo?
Come realizzarla fisicamente?
Modello teorico
Simulazione
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
Simulazione
Campionamentostocastico dell’input
“Pesatura sinaptica” e somma
Funzione a soglia
Output: spike
Prob({1 spike}) =
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
k = numero di spikes
one:
funzione di risposta neurale
spike = impulso
numero di spikes trat1 e t2
run an infinite number
firing rate
stima del firing rate
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
k = numero di possibili spikes in (0,T)
numero di spikes trat1 e t2
small intervals, when
by .
could appear in this
and we place a single
length .
where
undergraduate
the Poisson probability density function. Gi
ratio constant.
the mean firing rate, the
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
k = numero di spikes
one:
funzione di risposta neurale
spike = impulso
numero di spikes trat1 e t2
run an infinite number
firing rate
stima del firing rate
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
k = numero di possibili spikes in (0,T)
numero di spikes trat1 e t2
small intervals, when
by .
could appear in this
and we place a single
length .
where
undergraduate
the Poisson probability density function. Gi
ratio constant.
the mean firing rate, the
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
0
1
2
3
4
5
6
60 80 100 120 140
Pro
ba
bil
ity
(%
)0 20 40 60 80 100
0
1
)
A
B C
0
2
4
6
8
10
0 10 20 30 40 50 60
Pro
ba
bil
ity
(%
)
Figure 1: A. Snippet of a Poisson spike train with and msec. B. Spike count
histogram calculated from many Poisson spike trains, each of 1 sec duration with , superim-
posed with the theoretical (Poisson) spike count density. C. Interspike interval histogram calculated
from the simulated Poisson spike trains superimposed with the theoretical (exponential) interspike
Modelli nelle scienze cognitive e nella percezione
//livelli di spiegazione
0
1
2
3
4
5
6
60 80 100 120 140
Pro
ba
bil
ity
(%
)
0 20 40 60 80 100
0
1
)
A
B C
0
2
4
6
8
10
0 10 20 30 40 50 60
Pro
ba
bil
ity
(%
)
Figure 1: A. Snippet of a Poisson spike train with and msec. B. Spike count
histogram calculated from many Poisson spike trains, each of 1 sec duration with , superim-
posed with the theoretical (Poisson) spike count density. C. Interspike interval histogram calculated
from the simulated Poisson spike trains superimposed with the theoretical (exponential) interspike