Answers
Artificial intelligence and Neurocognition - Nederlandse antwoorden op Neurcognitie deel
- Course
- Institution
Nederlandse antwoorden op de vragen van college vier, vijf en zes
[Show more]
2 reviews
By: laurensvaneijsden • 3 year ago
By: josephinehekker • 4 year ago
Seller
Followkimlindeijer
Reviews received
Content preview
STUDEERVRAGEN AI ENNEUROCOGNITIE
Vragen over deel Neurocognitie
, College 4
1. Which type of networks can you distinguish? Give a brief description
of each.
Een feedforward network; Hierbij is er een begin van een input en een
activatie in maar één richting, namelijk naar voren ‘forward’. Er is sprake
van een input layer, waar informatie het netwerk binnenkomt. Daarna gaat
het naar één of meerdere hidden layers. De nodes in deze layers kunnen
geen input van buitenaf ontvangen of betekenisvolle output geven. Ze
vormen alleen maar een connectie tussen input en de output layers. De
output layers geven de gewenste informatie. Het netwerk kan leren door
gewichten tussen nodes aan te passen. Op deze manier wordt overdracht
tussen nodes makkelijker of moeilijker. Een voorbeeld van een feedforward
network is zijn perceptron. Een feedforward network wordt voornamelijk
gebruikt voor classificatie.
Een Fully recurrent network; ookwel ‘attractor network of Hopfield network’
Alle nodes zijn in verschillende richtingen met elkaar verbonden. Als input
wordt gestopt, dan is er nog steeds activatie tussen de verschillende
nodes. Er is sprake van ‘internal activation.’ Fully recurrent networks
worden gebruikt bij bijvoorbeeld het werkgeheugen.
2. What is a (multi-layer) feedforward network? What is it typically used
for?
Een feedforward network. Hierbij is er een begin van een input en een
activatie in maar één richting, namelijk naar voren ‘forward’. Er is sprake van
een input layer, waar informatie het netwerk binnenkomt. Daarna gaat het
naar één of meerdere hidden layers. De nodes in deze layers kunnen geen
input van buitenaf ontvangen of betekenisvolle output geven. Ze vormen
alleen maar een connectie tussen input en de output layers. De output layers
geven de gewenste informatie. Het netwerk kan leren door gewichten tussen
nodes aan te passen. Op deze manier wordt overdracht tussen nodes
makkelijker of moeilijker. Een voorbeeld van een feedforward network is zijn
perceptron. Een feedforward network wordt voornamelijk gebruikt voor
classificatie.
3. What are the arguments (observations) in favor of the suggestion
that object recognition and classification occur in the brain by means
of feedforward networks?
Extreem snelle reactie nodig, niet mogelijk om feedback te geven.
Anatomisch zijn bijna alle connecties wederkerig, maar er is erg weinig
bekent over de functie van de feedbackward connecties. Er is veel bekent
over de feedforward connecties.
De dynamiek van celreacties geeft aan dat de classificatie en herkenning
van objecten kan worden bereikt met opmerkelijke nauwkeurigheid en
snelheid in een puur feedforward wijze.
Evolutionair aspect: Snelste herkenning van potentieel gevaar zorgt voor
betere kans op overleven. Dus zo snel mogelijk herkenning nodig. Beste
met feedforward.
, 4. What is a receptive field of a neuron?
Het receptieve veld van een neuron is het visuele veld op de retina waarop de
neuron op reageert. Stimulatie van een specifieke staf of kegeltje in de retina
activeert één of meerdere neuronen. Het receptive field van een neuron is
daarom alle sensorische informatie waarop die neuron reageert. Het kan ook
een andere vorm van stimulie zijn, bijvoorbeeld geluid.
5. Which variations can you see of receptive fields in feedforward
networks in the brain that process visual information for object
recognition and classification?
On-Off center-surround en Off-On center-surround responsive cells
Verschillende receptive field voor lijn oriëntatie
Verschillende groottes receptive fields
6. What is a topographic or retinotopic representation?
Topographic: De reactie van de cellen in de V1 staan in relatie tot de
topografie (spatiele layout) van het visuele veld.
Retinotopic: In de V1 liggen de cellen op dezelfde spatiele layout als op de
retina. Op deze manier is spatiele orde gehouden en dus ook locatie. Als de
informatie wordt verwerkt raak het deze spatiele informatie kwijt, omdat het
receptieve veld vergroot wordt door het samenvoegen van informatie van
verschillende cellen.
7. What does location/scale invariant object recognition mean?
Location: Maakt niet uit waar de objecten zich bevinden op het retina
(links/rechts). Andere neuronen worden geactiveerd door de andere locatie op
het retina, maar het object wordt nog steeds juist herkent.
Scale: Als iets ver weg is en dichter bij beweegt, is het object/mens nog
steeds te herkennen, terwijl er wel een andere representatie op het retina is.
8. Which observations in the Quian Quiroga article support the notion of
invariant object representation in the brain?
Er zijn specifieke neuronen die reageren op complexe dingen, zoals gezichten
of bepaalde personen. Deze neuronen zijn tolerant voor het veranderen van
schaal of locatie (nog steeds identificatie.) Daarnaast is gevonden dat er cel
activiteit is in specifieke cellen in de mediale temporale lobe die selectief
reageren op één bepaald beeld/foto. Bijvoorbeeld een cel die specifiek
reageert op verschillende foto’s van de koning. Dit zou laten zien dat ze dus
‘invariant’ reageren (hoek, gezichtsuitdrukking, locatie op retina maakt niet
uit.)
9. What is the relation between information and uncertainty? Give an
example.
Informatie is de vermindering van onzekerheid. Hoe meer informatie er tot
iemand beschikking is, hoe minder onzeker iemand wordt over een bepaalde
situatie. Een voorbeeld hiervan is een man die aangewezen is om een kamp
te beschermen van eventuele wolven. Hij kan alleen ‘ja’ of ‘nee’ antwoorden
op de vraag ‘Komen er wolven aan?’ Een antwoord op deze vraag is een vorm
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 kimlindeijer. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $7.05. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
67232 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now