منوچهر کلارستاقی

مقدمه: داده های استفاده شده در این مدل یادگیر از ثبت هم زمان تصاویر تصویربرداری تشدید مغناطیسی و سیگنال های الکتروآنسفالوگرام در حین انجام تکلیف شناختی نقاط تصادفی متحرک برای سنجش میزان اطمینان در تصمیم گیری ادراکی تشکیل شده است با یادگیری مدل می توان از داده های سیگنال های الکتروآنسفالوگرام در آینده به طور مستقل استفاده کرد. هدف این پژوهش بازسازی تصاویر تصویربرداری تشدید مغناطیسی کارکردی با استفاده از سیگنال های الکتروآنسفالوگرام است این پژوهش کاربردی است که بر روی داده های ثبت شده هم زمان صورت پذیرفته است. روش کار: داده های الکتروآنسفالوگرام به عنوان ورودی مدل و داده های تصاویر تصویربرداری تشدید مغناطیسی به عنوان خروجی مدل در نظر گرفته شده و مدل یاد می گیرد که چطور از داده هایی با قالب ورودی، داده هایی از جنس قالب خروجی تولید نماید. قبل از ورود داده ها به مدل داده های ورودی برای بالا رفتن دقت مدل با حذف آرتیفکت ها با روش fastICA و تبدیل شدن به ماتریس گرامیان پیش پردازش می شود. یافته ها: مدل نسبت به سایر روش ها برتری های مناسبی را در زمان آموزش و دقت مدل نشان داده است و مدل عمیق یادگیر کانولوشنی پیشنهادی با دقت مطلوبی موفق به شبیه سازی تصاویر تصویربرداری تشدید مغناطیسی از روی سیگنال های الکتروآنسفالوگرام گردید. نتیجه گیری: با استفاده از مدل عمیق یادگیر کانولوشنی پیشنهادی می توان به ارتباط بین فضای ساختاری و فضای رفتاری مغز پی برد و آن را جهت مطالعه هر بخش، پیاده سازی نمود.

مقدمه: مدل های مختلف شناختی که نمایان گر فرایندهای شناختی مغز هستند در حوزه هایی مانند روان شناسی و هوش مصنوعی پیشنهاد شده که موارد استفاده فراوانی هم دارند. با توجه به اهداف ارائه این مدل ها که مهم ترین آنها مطالعه ویژگی های مغز در فرایند انجام عملکردهای عالی شناختی، بازتوان بخشی بیماران و هوشمندسازی ماشین هاست، نیاز است تا مدل های پیشنهادی مورد بررسی و مقایسه دقیق قرار گیرند. روش کار: در این پژوهش از طریق جمع آوری داده های کتابخانه ایی اطلاعات مربوط به سه مدل شناختی یعنی مدل های شناختی شبکه های معنایی ((ACT-R) Adaptive Control of Thought-Rational) و انرژی آزاد مغز بررسی شدند. یافته ها: مدل شبکه های معنایی امکان تولید دانش معنایی (اخباری) را دارد. مدل ACT-R که یکی از کاربردی ترین مدل های شناختی انسان است، امکان تولید دانش های اخباری و رویه ایی (مهارتی) را فراهم می کند. مدل های شبکه های معنایی و انرژی آزاد، نیازمند برنامه نویسی هستند، در حالی که مدل ACT-R در قالب یک نرم افزار کاربردی ارائه شده است. مدل انرژی آزاد مغز ضمن تولید انواع دانش های اخباری، تولیدی و شرطی با بروزرسانی مفاهیم و ادراکات حسی دریافتی و نیز فرضیه های پیشین مبتنی بر استنباطات احتمالی بیزی، و بر اساس کمینه سازی انرژی آزاد مغز، مشابه استنباطات انسانی عمل می کند. نتیجه گیری: علی رغم پیچیدگی مدل انرژی آزاد ولی با توجه به جامعیت بیشتر آن، در توصیف عملکردهای شناختی مانند ادراک، یادگیری، توجه، تصمیم سازی و همچنین تحلیل بیماری های شناختی انسان می تواند نتایج بهتر و گسترده تری به دست دهد.

هدف از این تحقیق بررسی تاثیر پیام های دووجهی بر میزان ترغیب کنندگی پیام های ضد مصرف مواد مخدر بر اساس مدلسازی رایانشی و برای رسیدن به پیام های تاثیرگذارتر و ترغیب کننده تر بود. ترغیب کنندگی پیام ها با میزان قوت بحث درک شده آن ها توسط مخاطبان، سنجیده می شود. در این تحقیق، ابتدا با استفاده از رهیافت پژوهش های تکوینی، روشی برای سنجش میزان قوت بحث پیام ها توسعه یافت. سپس از سه نوع پیام با سه نوع بحث و مشخصه های قالبی متفاوت، 2 نوع پیام دووجهی (با ساختار موافق/مخالف و مخالف/موافق) و یک نوع پیام یک وجهی، استفاده شد. پیام ها در قالب پرسشنامه بر خط به مخاطبان که شامل 46 نفر بودند ارایه و توسط آن ها رتبه بندی شد. در بین 46 نفر شرکت کننده در آزمون، 36 نفر بدون تجربه مصرف مواد مخدر و 10 نفر با تجربه مصرف مواد مخدر بودند. در پرسشنامه از شرکت کنندگان درباره قضاوت آن ها نسبت به اثرگذار بودن پیام ها بر خود و یا دوستان نزدیکشان پرسیده شد. میانگین آماری و انحراف معیار قوت بحث 3 نوع پیام برای دو گروه با/بدون تجربه مصرف مواد مخدر مورد مقایسه قرار گرفت و برای مدلسازی تاثیر سایر عوامل دخیل در ترغیب کننده بودن پیام ها (به غیر از نوع پیام و سابقه مصرف داشتن/نداشتن) از مدل بندی اثرات آمیخته استفاده شد. نتایج نشان داد که پیام های دووجهی ترغیب کننده تر از پیام های تک وجهی است و پیام های دووجهی با ساختار موافق/مخالف بیشترین تاثیر را بر افراد، چه با سابقه مصرف مواد مخدر و چه بدون سابقه مصرف مواد مخدر دارد. در این نوع پیام های دو وجهی، وجه اول پیام چنانچه موافق باورهای افراد باشد، نقش لنگر ذهنی را بازی کرده و در افزایش تاثیرگذاری پیام بسیار موثر است.

پژوهش حاضر به منظور ارائه ی یک مدل محاسباتی برای بازشناسی هیجان در متن فارسی صورت گرفته است. در مدل پیشنهادی تحقیق، گروه بندی هشت گانه ی پلاچیک در هیجان ها به عنوان مبنای یادگیری نظارت شده، ویژگی های بافتی متن فارسی و لیست واژگان هیجانی برچسب دار به عنوان عناصر و اجزای مدل تعیین شده اند. برای آزمون مدل (شرایط واقعی) از صد متن منتخب شامل سرمقاله ی روزنامه های سیاسی- اجتماعی استفاده شده است. همچنین در این تحقیق از الگوریتم «ماشین بردار پشتیبان» به عنوان طبقه بند یادگیرنده استفاده گردیده و چهار شاخص دقت، درستی، ضریب f و بازخوانی برای ارزیابی مدل بکار گرفته شده اند. نتایج تحقیق نشان می دهند که کارایی مدل (دقت) در شناسایی هیجان های مختلف از 79 درصد تا 98 درصد متغیر بوده و در ارزیابی کلی مدل، میانگین دقت مدل معادل 84 درصد است. بر اساس سایر شاخص ها، می توان گفت که بیشترین نرخ درستی مربوط به هیجان خوشی و کمترین آن مربوط به هیجان خشم است. همچنین تطبیق قابل توجهی میان شاخص f با شاخص «بازخوانی» وجود دارد و بیشترین مقدار آن در گروه هیجان شادی دیده می شود. نتایج این تحقیق نشان می دهد استفاده از رهیافت مبتنی بر گروه بندی هیجان ها، یادگیری نظارت شده و نیز ویژگی های بافتی حداقلی در متن می تواند کارایی مناسبی در شناسایی خودکار هیجان ها داشته و می توان تلفیقی از گروه های اصلی هیجان را به منظور افزایش کارایی مدل یادگیری بکار گرفت.