Onderwerp Omschrijving
Begrijpen van human behavior: beschijven, versimpelen,
1 Cognitieve Modellen
voorspellen en verklaren
2 Rational Analysis Waarom dingen werken zoals ze werken obv the environment
3 Signal Detection Theory Onderscheiden van stimuli obv sensitiviteit en criterium
4 Evidence Accumulation Hoe keuzes worden gemaakt
5 Neural Networks Hoe het brein werkt
6 Reinforcement Learning Leren obv rewards en punishments
Koppeling tussen hoe en waarom alle cognitieve processen werken
7 Cognitive Architectures
zoals ze doen
Op welke manier perceptuele informatie en prior experience
8 Optimal Observer Models
balanceren bij het uitvoeren van acties
HC 1 – Introductie – 14 november
Intro
• Cognitive models provide insight in human behavior
• Generate behavior as humans would à comparable to human cognitive processing
• Often the goal is to understand human behavior (not always)
• What kind of cognitive processes: memory, language, attention, decision making
• What level of description? neural/algorithmic
History
• To understand human behavior, one must simulate that behavior
• Historical link between computer science and cognitive science, driven by Alan Turing (1956)
Definition
• Cognitief model: beschrijving, versimpeling, voorspelling en verklaring van data
• Power law of learning: theorie dat elk feitje oftewel ‘chunk’ in je
geheugen heeft een bepaalde activatie, die bepaalt of je je feitje
gaat herinneren. Elke keer als je een feitje gebruikt wordt deze
activatie hoger. De toegevoegde waarde van activatie neemt af.
Steeds minder steile curve. De activaitie is een functie van de
keren dat je de chunks herhaald tot de macht -d (d = snelheid van
vergeten) want je vergeet dingen. Je ziet in een grafiek dat het
wegzakt. Aantal x dat je iets herhaalt en als je het kortgeleden herhaalt best.
• Power curve = een cognitief model. Is gebaseerd op deze formule: Activation-Based
Retrieval Latency. Conclusie: verband tussen latency (hoe snel je iets uit je geheugen
ophaalt) en herhalingen.
• Rational analysis of memory: legt verband tussen geheugen en omgevingsfactoren uit. Uitleg
van de vorm van de power law of learning. Verklaring van de vorm.
• Wat het een cognitief model maakt: dat het ook een verklaring geeft van bepaald cognitief
gedrag.
,Benefits of CM above other theoretical approaches
• CM vs verbal theories (verbal: qualitative specification of a theory, e.g. language production:
uitleg hoe iets werkt door te redeneren bijv.): Voordeel 1: cognitief modelleren voorkomt te
basale nietszeggende conclusies/statements (hand waving), CM dwingt tot precisie.
Voordeel 2: sommige mechanismen zijn te moeilijk of complex om verbally te omschrijven.
Voordeel 3: falsification through testable predictions (situatie creëren waardoor
voorspelling niet waar is).
• CM vs statistical models (regressie, anova etc): CM requires a cognitive/psychological
interpretation of the parameters and mechanisms: power function is based on need of
probability and decay/forgetting is included. Waarom zou je iets onthouden als je niet denkt
dat het relevant is: d is dan hoog.
• Ander voordeel: model comparison: is dit een goed model à does it sufficiently describe
the data? Bestaat er een beter model?
Constraints on cognitive models
• Wat zijn de manieren om de verklaringsruimte (flexibiliteit) van een model dus theorie in te
perken?
• Anderson: ‘Je hebt 2 klasses: structuur van de hersenen (neuroscientific measures) en
functie van de mind (behavioral measures).’ Laag/koppeling tussen hersenen & gedrag
• De neurale data is het constraint op het model. En het model is zodanig uitgebreid dat je de
mogelijkheid hebt om het op die manier in te perken. Zo uitgebreid dat je kan toetsen of de
BOLD-response overeenkomt met de werkelijkheid aka de constraint.
1. Behavioral constraints: vb: veel modellen voorspellen response times à soft constraint:
should not be too large, hard constraint: cannot be negative (response tijd niet negatief).
Response time gebruiken kan leiden tot beperkte resultaten; niet alles is altijd helemaal te
verklaren als je RT gebruikt. Andere behavioral constraints: proportie data, physiological
measures: pupil grootte, sleep deprivation à derivable testable predictions
2. Neural constraints: similar to physiological measures: fMRI, EEF, MEG, DTI etc. -> kan je
allemaal gebruiken om verklaringsruimte in te perken. Vb: fMRI: meet aantal zuurstof dat
naar bepaalde hersendelen gaat (BOLD-response), meestal wordt er naar contrasten
gekeken van verschillende condities. Correleert met neural firing rates. Contrast zegt zeker
ergens over. Maar het zou kunnen dat het model het gedrag goed voorspelt maar niet goed
de neurale data.
3. Functional constraints: what is the cognitive mechanism that you are modeling intended for
à wat is het doel à rational analysis theory: optimize the cost/benefit
4. Simplicity constraints: Occam’s razor: minimal model, necessary & sufficient description à
je wil eigenlijk het simpelste model hebben dat toch de data goed verklaart, model
comparison: simpler & better fitting models are preferred. 1 parameter bijvoorbeeld 0 maken,
zodat je maar 2 variabelen hebt.
SlimStampen
• A cognitive model that estimates your personal rate of forgetting
• Uses the rate of forgetting to determine the optimal moment for a repetition
HC 2 – Rational Analysis – 21 november
Intro
• Cognitieve systeem is zo doordat het zich naar de wereld gevormd heeft: the mind is
adapted to its environment
• Rational Analysis uses this assumption to investigate the structure and purpose of
representations and cognitive processes by studying the structure of the environment
, Rationele analyse van het gedrag bestaat uit 6 stappen
1. Goals: Specify precisely the goals of the cognitive system
2. Environment: Develop a formal model of the environment to which the system is adapted.
Wat zijn de belangrijke eigenschappen hiervan?
3. Computational Limitations: make the minimal assumptions about computational limitations
4. Optimization: Derive the optimal behavioral function given 1-3 above: uitvogelen gegeven de
beperkingen wat optimaal gedrag is
5. Data: Examine the empirical literature to see whether the predictions of the behavioral
function are confirmed
6. Iteration: Repeat, iteratively refining the theory – empirische cyclus.
Analogieën voorbeelden
• Rivier: wat is het doel? Om zo weinig mogelijk energie te verspillen. Maar de omgeving:
zwaartekracht, ondergrond. Beperkingen: bepaalde hoeveelheid water kan stromen. Waar
snijd een rivier niet rechtstreeks door landschap maar vaak in bochten? Antwoord: de
omgeving dwingt dit af. De rivier kan niet door hard steen heen maar we door zacht klei à
de rivier loopt dus hoe hij loopt als gevolg van de omgeving waarin hij in zit
• Licht robots: 2 robots beiden met een licht sensor. De ene cross-wired (zoals mens en dier)
de ander straight wired. De ene robot gaat naar de lichtbron toe de ander gaat er van weg.
1. Goal(s): fight (naar de lichtbron) of flight (van de lichtbron weg)
2. Environment: er zijn variërende lichtbronnen
3. Computational Limitations: neural wiring; hoe ze gewired zijn verklaart/beperkt het
gedrag
4. Optimization; ze hebben alleen de wiring nodig om gedrag; er hoeft geen groot
algoritme achter te zitten
5. Data: biology; vergelijk het met insecten die op licht af komen
6. Repeat
Cognitief model
• Snelheid dat je iets uit je geheugen haalt (retrieval latency) en hoe
vaak je iets geoefend hebt is niet lineair, het neemt af
• Gekoppeld aan activatie: het wordt hoger op het moment als je iets
aan het leren bent. Maar, added value decreases
• Power Law of learning/forgetting (leren heeft een bepaalde curve is
niet lineair) à learning follows a power function
• Het is niet zo dat als je in je leerproces zit je steeds er evenveel bij
leert. Je leert informatie volgens de power curve. Je update niet altijd hetzelfde.
• Forgetting if p[Activation]*Gain < Cost
• P = the need probability, how likely you need to recall the info in the future
• De vergeetcurve verschilt per persoon. Hier maakt SlimStampen bijvoorbeeld gebruik van.
Voor persoon 1 moet het feit na tijd A herhaald worden en voor persoon 2 na tijd B
• RA model relateert de snelheid van dingen uit je geheugen halen aan hoe vaak je dingen
tegenkomt & de timing
RA expliciet op geheugen
1. Goal(s): relevante info opslaan
2. Environment: frequency vs recency determine the need probability (hoe groot de kans is dat
jij dat brokje informatie nodig hebt). Vb Sinterklaas is relevanter in november dan in de
zomer. But also spacing (zoz)!
3. Computational Limitations: serial search through memory (het idee dat je serieel door je
geheugen zoekt naar informatie, heel inefficient om veel dingen op te slaan want dan ben je
heel lang bezig, daarom wordt niet alles opgeslagen)
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller diede26. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $11.75. You're not tied to anything after your purchase.