Pregled bibliografske jedinice broj: 254592
Neuronska dinamika praćenja objekata u vidnom polju
Neuronska dinamika praćenja objekata u vidnom polju // XV. Dani psihologije u Zadru - Sažetci radova. / Ćubela Adorić, Vera ; Penezić, Zvjezdan ; Proroković, Ana ; Vulić-Prtorić, Anita (ur.).
Zadar: Sveučilište u Zadru, 2006. str. 44-44 (predavanje, domaća recenzija, sažetak, znanstveni)
CROSBI ID: 254592 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Neuronska dinamika praćenja objekata u vidnom polju
(Neural dynamics of object tracking in the visual field)
Autori
Domijan, Dražen
Vrsta, podvrsta i kategorija rada
Sažeci sa skupova, sažetak, znanstveni
Izvornik
XV. Dani psihologije u Zadru - Sažetci radova.
/ Ćubela Adorić, Vera ; Penezić, Zvjezdan ; Proroković, Ana ; Vulić-Prtorić, Anita - Zadar : Sveučilište u Zadru, 2006, 44-44
Skup
XV. Dani psihologije
Mjesto i datum
Zadar, Hrvatska, 25.05.2006. - 27.05.2006
Vrsta sudjelovanja
Predavanje
Vrsta recenzije
Domaća recenzija
Ključne riječi
Neuronske mreže; Pažnja; Praćenje objekata
(Neural Networks; Attention; Object tracking)
Sažetak
Storm i Pylylshyn (1988) su pokazali da ljudi imaju ograničeni kapacitet praćenja pokretnih jednoličnih elemenata u vidnom polju. Kapacitet je ograničen na četiri do pet elemenata, ali bitno ovisi o prostorno-vremenskim karakteristikama podražaja. Na primjer, kapacitet se smanjuje ako se podražaji brže kreću ili ako prolaze blizu jedan drugoga. Ipak, moguće je praćenje objekata i kada su djelomično ili potpuno zaklonjeni preprekom što upućuje na utjecaj vidnog radnog pamćenja. Yantis (1990) je pokazao da se kapacitet može povećati ako se elementi kreću zajedno kao cjelina. Pokretni objekti predstavljaju poseban problem za dinamičke neuronske mreže zato jer one imaju tendenciju konvergiranja ka fiksnoj točki. Međutim, kretanje objekata zahtijeva stalno pomicanje fiksne točke pa dosad nije bilo pokušaja da se napravi neuronski model praćenja objekata. U ovom radu predstavljen je novi model neuronske mreže koja je sposobna pomicati vlastitu aktivnost u skladu s kretanjem podražaja. Također, mreža može simulirati rezultate gore opisanih psihofizičkih istraživanja. Predložena neuronska mreža sastoji se od sloja ekscitatornih neurona i dva sloja inhibitornih neurona. Prvi sloj inhibitornih neurona posreduje inhibiciju među ekscitatornim neuronima. Drugi sloj inhibitornih neurona inhibira vezu između ekscitatornih neurona i prvog sloja inhibitornih neurona i na taj način predstavlja zaštitu ekscitatornih neurona od inhibicije. Ova inhibicija odvija se na dendritima prvog sloja inhibitornih neurona. Dendriti su uključeni u neuronski model kao zasebni računalni elementi koji samostalno integriraju ulazne signale. Pored toga, svaki ekscitatorni neuron ekscitira samog sebe kako bi održao aktivnost i nakon što podražaji nestanu. Mreža je opisana sustavom nelinearnih diferencijalnih jednadžbi koje su numerički riješene. Kao osnovni model neurona korišten je multiplikativni model s ograničenim rasponom aktivnosti (Grossberg, 1988). Računalne simulacije pokazuju da mreža ima sposobnost praćenja više elemenata istovremeno. Mreža pokazuje i ograničen kapacitet na četiri do pet elemenata zbog djelovanja inhibicije. Pri tome se kapacitet povećava ako svi elementi čine jednu cjelinu jer tada svi pokretni elementi pokazuju maksimalnu razinu aktivnosti. Mreža je sposobna pratiti i objekte koji su zaklonjeni i pokazuje prostorno-vremensku osjetljivost konzistentnu s psihofizičkim istraživanjima. Na taj način uspješno je modelirana distribucija pažnje u vidnom polju.
Izvorni jezik
Hrvatski
Znanstvena područja
Psihologija
POVEZANOST RADA