( 12.02.2009 o 0:00)
Doc. RNDr. Ľubice Beňuškovej, CSc. (University of Otago, Dunedin, New Zealand ) , domovská stránka
All of our cognitive functions, including our sense of identity, are underpinned by what we have learned and what we can remember. To understand learning and memory formation in the brain, it is necessary to study how neurons change their mutual connections in response to synaptic stimulation, i.e. phenomenon of synaptic plasticity. I will demonstrate the predictive power of computational modeling by presenting a novel model of heterosynaptic plasticity in the hippocampal dentate gyrus, which is the brain structure crucially involved in formation of long-term memories. This model combines computational properties of both metaplasticity and spike timing-dependent plasticity. As a result it can reproduce (1) homosynaptic long-term potentiation of the stimulated input, and (2) heterosynaptic long-term depression of the unstimulated input, as observed in real experiments.
(Pondelok 23.02.2009 o 0:00)
prof. Ing. Vladimír Kvasnička, DrSc. (Ústav aplikovanej informatiky FIIT STU v Bratislave)
Predpokladajme, že máme systém, ktorý obsahuje navzájom poprepájané súčiastky – komponenty, pričom pozorujeme také správanie sa systému, ktoré je konfliktné (nie je konzistentné) s tým, ako sa má správať. Diagnostický problém spočíva v určení tých súčiastok – komponent, ktorých nekorektné (abnormálne) správanie sa vysvetľuje diskrepanciu medzi pozorovaným a korektným správaním sa systému.
(Pondelok 02.03.2009 o 0:00)
Mgr. Peter Náther a doc. RNDr. Mária Markošová, CSc. (Katedra aplikovanej informatiky, FMFI UK)
It is known, that the network structure is intimately connected to the network dynamics. The same is true about the local network dynamics, which strongly influences the global network structure. Different dynamics leads to the different statistical properties, such as degree distribution or clustering coefficient distribution. Many networks in Nature combine scale free property (expressed in power law degree distribution) and node hierarchy (expressed in power law clustering coefficient distribution). It can be shown analytically, that the scale free property is a result of the preferential node linking, but there is no such true known about the hierarchy. Here we present a model with dynamics leading to the scale free and hierarchical resulting network structure.
(Pondelok 09.03.2009 o 0:00)
Mgr. Juraj Laca (Ústav aplikovanej informatiky FIIT STU)
V prírode nachádzame množstvo príkladov spracovávania informácií v živých organizmoch pomocou chemických procesov. Tieto chemické systémy spracovania informácií sú decentralizované, asynchrónne, adaptabilné a odolné voči chybám. Preto sa metafora chemickej reakcie stala inšpiráciou pre nové počítačové výpočtové systémy. Prírodné aj počítačové chemické systémy sú zvyčajne založené na zložitých dynamických reakčných sietiach zložených z množstva malých komponentov. Globálne správanie systému je výsledkom lokálnych interakcií týchto komponentov. Správanie takéhoto systému sa ťažko analyzuje. Problematické je aj navrhnúť systém s požadovaným výsledným správaním. Jedným z nástrojov, ktorý umožnuje teoreticky analyzovať a lepšie pochopiť chemické systémy, je teória chemickej organizácie.
(Pondelok 16.03.2009 o 0:00)
Mgr. Pavel Petrovič, PhD. (KAI FMFI UK)
Evolučné stratégie (ES) sa od začiatkov výskumov evolučných algoritmov vyvijaju svojou vlastnou cestou popri genetických algoritmoch (GA) a genetickom programovaní (GP). CMA ES je v súčasnosti jednou z najvýkonnejších nelineárnych optimalizačných metód a možno ju použiť aj keď iné metódy zlyhajú, v prípade zložitých prehľadávacích priestorov. V príspevku vysvetlime metódu CMA ES a uvedieme príklady aplikácii. Metódu využívame v projekte jednej diplomovej prace. (Odkaz: http://www.lri.fr/~hansen/cmaesintro.html)
(Pondelok 23.03.2009 o 0:00)
Ing. Tomáš Selnekovič (Ústav aplikovanej informatiky FIIT STU)
V súčasnosti sa realizuje viacero výskumných projektov zameraných na rozvoj teórie všeobecnej umelej inteligencie a jej aplikácii v informačných systémoch. Na prednáške stručne opíšem problematiku vývoja všeobecných inteligentných informačných systémov a poukážem na niektoré významnejšie problémy a nedostatky v niektorých novších a taktiež klasických teoretických prístupoch. Na základe uvedených problémov zdôrazním potrebu výskumu alternatívnych teoretických prístupov k realizácii inteligentných systémov, ktorých architektúry a teoretické princípy by umožňovali jednak prácu so širokým spektrom heterogénnych údajov, ale najmä možnosť realizovať viaceré kognitívne schopnosti živých organizmov, ako sú napríklad učenie, rozpoznávanie, vnímanie a prejavovanie inštinktívnych reakcií. V prednáške taktiež prezentujem môj projekt, ktorého cieľom je navrhnúť a implementovať informačný systém, ktorý by uvedené schopnosti dokázal potenciálne realizovať. Opíšem taktiež možné prínosy, charakteristiky, očakávané vlastnosti navrhovaného systému.
(Pondelok 30.03.2009 o 0:00)
RNDr. Andy Lúčny, PhD (MicroStep-MIS, spol. s.r.o. a KAI FMFI UK)
Prednáška podáva správu z letnej školy ktorú organizovala sieť euCognition. V krátkosti spomenieme najzaujímavejšie prezentácie: - ideu a vyznam stelesnenosti, - simuôácie kráčajúceho hmyzu, plávajúceho planktónu, ... - šesťnohý robot riadený neurónovou sieťou, - matematicky aparat, a ďalšie zaujímavosti.
(Pondelok 06.04.2009 o 0:00)
Dr. Stefan Frank (Institute for Logic, Language, and Computation, University of Amsterdam) , domovská stránka
There exist (at least) two broad classes of cognitive models of sentence processing: Grammar-based models, which represent sentences by tree structures, and connectionist models, which represent sentences by vectors in a high-dimensional state space. Arguments for and against each of these two conflicting views are mostly of a theoretical nature, or depend on some particular (psycho)linguistic phenomenon that one model supposedly accounts for better than the other. However, a thorough evaluation of the psychological validity of different models requires a quantitative comparison of their ability to account for empirical data. In this talk, I'll present results of a comparison between a Probabilistic Context-Free Grammar (PCFG; a standard tree-structure model) and a Simple Recurrent Network (SRN; the quintessential connectionist model). Although both models can predict experimentally obtained reading times, the SRN accounts for more of the data. Moreover, the PCFG does not supplement the SRN's predictions. These findings suggest that mental representations of sentences might be more like state vectors than like tree structures.
(Pondelok 20.04.2009 o 0:00)
Assoc. Prof. Olga Markic, PhD. (Faculty of Arts, University of Ljubljana, Slovenia) , domovská stránka
Descartes and many philosophers afterwards think that rationality can not be explained within the physicalist framework. It will be argued that although the computational theory of mind provides in principle solution to the problem of mechanical rationality and thus opens the way to AI, there remain at least two hard questions. First, it is questionable whether it is possible to achieve mechanical rationality in practice, and second, results in neuroscience show that rationality alone does not suffice for real world decision making, we have to take into account also emotions.
(Pondelok 27.04.2009 o 0:00)
Ing. Peter Lacko (Ústav aplikovanej informatiky FIIT STU)
Umelá inteligencia sa venuje problému hrania hier už od vzniku počítačovej vedy. Za ten čas sa podarilo dosiahnuť v niektorých hrách vynikajúce výsledky, ale stále existujú problémy, ktoré nie je počítač schopný riešiť lepšie ako človek. To nám vytvára priestor na návrh nových algoritmov či už symbolickej alebo subsymbolickej umelej inteligencie. Prezentácia sa zameria na subsymbolický prístup k riešeniu doskovej hry. Pracovali sme na dvoch rozličných metódach učenia. Prvá metóda sa zameriava na topológiu zmesí expertných neuronových sietí trénovanú TD(lambda) pravidlom. Druhá metóda používa rozšírený Kalmanov filter na trénovanie neurónovej siete s prístupom učenia s odmenou a trestom.
(Pondelok 04.05.2009 o 0:00)
Mgr. Marek Petrík (Department of Computer Science University of Massachusetts)
I address a general class of optimization problems known as sequential decision making, which involves maximizing the expected utility of a sequence of actions taken over some finite or infinite period of time. Rich formal models for sequential decision making already exist. The Markov Decision Process (MDP), in particular, has been shown to provide a very effective framework with several advantages. The framework is extremely general in terms of its expressive power – almost every problem can be mapped easily into an MDP (or one of its variants). MDPs thus offer a tradeoff between the complexity of modeling and the computational time required to solve the problem.
(Pondelok 11.05.2009 o 0:00)
Ing. Peter Trebatický (Ústav aplikovanej informatiky FIIT STU)
Vo svojom výskume som sa zameral na problematiku rekurentných neurónových sietí, ktoré práve pri predikcii časových radov vo všeobecnosti dosahujú lepšie výsledky ako dopredné siete, nakoľko je potrebné zachytiť aj časový kontext. Na viacerých experimentoch som ukázal vhodnosť použitia týchto sietí trénovaných rôznymi metódami na prácu so symbolickými postupnosťami. Všetky metódy okrem korektúry poškodeného textu však nie sú obmedzené na symbolické postupnosti.