Wstęp do Modelowania Systemów Poznawczych 4010-COGSYS-OG

Po ukończeniu przedmiotu student:
Wiedza:
- orientuje się w podstawach wybranych zagadnień a) biologii systemowej (proteomika, sieci metaboliczne i sygnałowe, bioinformatyka, metody obrazowania procesów biologicznych), b) psychologii poznawczej (mechanizmy percepcyjne, pamięciowe, uwagowe, decyzyjne, ewolucja języka, semiotyka), c) z zakresu metod organizacji i analizy wiedzy oraz modelowania procesów uczenia się w algorytmach inteligencji obliczeniowej, modelowania procesów poznawczych, wiedzy kognitywnej i procesu komunikacji.
– analizuje dane wielkoskalowe (biologiczne, informatyczne, psychologiczne)
– rozpoznaje i poprawnie posługuje się metodami uczenia maszynowego w kontekście modelowania procesów poznawczych w sztucznych algorytmach informatycznych
– identyfikuje i wyjaśnia procesy poznawcze zachodzące w rzeczywistych układach żywych
umiejętności społeczne i interpersonalne:
- prezentuje wyniki badań opublikowanych i własnych
- umie nawiązać współpracę w grupie interdyscyplinarnej

Stopień z egzaminu końcowego,
wykonanie i przedstawienie projektu grupowego,
wykonanie prezentacji wybranej publikacji, ocena prezentacji, stopnia zrozumienia problemu,
obecność na zajęciach,
aktywność podczas zajęć

Modelowanie procesów poznawczych

Systemy Biologiczne:
• C. Barnes, D. Silk, X. Sheng, and M.P.H. Stumpf, “Bayesian design of synthetic biological systems,” Systems Biology, 2011.
• D. Noble, “Biophysics and systems biology,” Society, 2010, pp. 1125-1139.
• D. Bray, M.D. Levin, and K. Lipkow, “The chemotactic behavior of computer-based surrogate bacteria.,” Current biology : CB, vol. 17, Jan. 2007, pp. 12-9.
• P. Hogeweg, “The Roots of Bioinformatics in Theoretical Biology,” PLoS Computational Biology, vol. 7, Mar. 2011, p. e1002021.
• Pattee, H.H. (1969). How does a molecule become a message? Developmental Biology Supplement, 3, 1-16.
• Pattee, H.H. (1987). Instabilities and information in biological self-organization. In F.E. Yates (Ed.) Self-organizing systems: The emergence of order. London: Plenum Press.
• A. Wagner, “From bit to it: how a complex metabolic network transforms information into living matter.,” BMC systems biology, vol. 1, Jan. 2007, p. 33.
• P. de Silva, M.R. James, B.O.F. McKinney, D. a Pears, and S.M. Weir, “Molecular computational elements encode large populations of small objects.,” Nature materials, vol. 5, Oct. 2006, pp. 787-90.
• J. Macía, F.Posas, R. Solé, Distributed computation: the new wave of synthetic biology devices. Trends in biotechnology, 2012
Modele Systemów Poznawczych:
• Bahrami, B; Olsen, K., Latham, P. E., Roepstorff, A., Rees, G. & Firth, C.D. (2010). Optimally interacting minds. Science 329, 1081-1085.
• Puglisi A., Baronchelli, A. & Loreto, V. (2008). Cultural route to the emergence of linguistic categories Proc. Natl. Acad. Sci. USA 105, 7936
• Steels, L. and Belpaeme, T. (2005). Coordinating Perceptually Grounded Categories through Language: A Case Study for Colour. Behavioral and Brain Sciences, 28(4), 469-89;
• Mathys C, Jean Daunizeau J, Karl J Friston KJ, Klaas Enno Stephan KE. (2011) A Bayesian foundation for individual learning under uncertainty Front. Hum. Neurosci. 5:35
• Daunizeau J, den Ouden HE, Pessiglione M, Kiebel SJ, Stephan KE, Friston KJ. Observing the observer (I): meta-bayesian models of learning and decision-making. PLoS One. 2010 Dec 14;5(12):e15554.
• Daunizeau J, den Ouden HE, Pessiglione M, Kiebel SJ, Friston KJ, Stephan KE. Observing the observer (II): deciding when to decide. PLoS One. 2010 Dec 14;5(12):e15555.
• Yoshida W, Dolan RJ, Friston KJ. Game theory of mind. PLoS Comput Biol. 2008 Dec;4(12):e1000254.
• Friston KJ, Daunizeau J, Kiebel SJ. Reinforcement learning or active inference? PLoS One. 2009 Jul 29;4(7):e6421.
• S.S. Chikkerur, T. Serre, C. Tan, and T. Poggio, “What and where: A Bayesian inference theory of attention,” Vision Research, May. 2010.
Metody uczenia maszynowego i analizy skupień
• R. Polikar, “Bootstrap-inspired techniques in computational intelligence,” Signal Processing Magazine, IEEE, vol. 24, 2007, p. 59–72.
• M. Deodhar and J. Ghosh, “Consensus Clustering for Detection of Overlapping Clusters in Microarray Data,” Sixth IEEE International Conference on Data Mining - Workshops (ICDMWʼ06), Dec. 2006, pp. 104-108.
• L.I. Kuncheva, S.T. Hadjitodorov, and L.P. Todorova, “Experimental Comparison of Cluster Ensemble Methods,” 2006 9th International Conference on Information Fusion, Jul. 2006, pp. 1-7.
• R. Polikar, “Ensemble Based Systems in Decision Making,” Circuits and Systems Magazine, IEEE, vol. 6, 2006, p. 21–45.
• A. Strehl and J. Ghosh, “Cluster Ensembles - A Knowledge Reuse Framework for Combining Partitionings,” AAAI, 2002.
Systemy neuronalne:
• Friston K, Mattout J, Kilner J. Action understanding and active inference. Biol Cybern. 2011 104:137–160
• Friston KJ, Daunizeau J, Kilner J, Kiebel SJ. Action and behavior: a free-energy formulation. Biol Cybern. 2010 102(3):227-60
• Friston K. Embodied Inference: or “I think therefore I am, if I am what I think” In: The Implications of Embodiment (Cognition and Communication) Eds. Wolfgang Tschacher and Claudia Bergomi, Imprint Academic ISBN 9781845402402
• S. Chikkerur, T. Serre, and T. Poggio, “A Bayesian inference theory of attention : neuroscience and algorithms,” Computer Science and Artificial Intelligence Laboratory Technical Report, 2009.
Zagadnienia psychologii poznawczej:
• Wilson, M. & Wilson, T.P. (2005). An oscillator model of the timing of turn-taking. Psychonomic Bulletin and Review, 12 (6), 957-968.
• Tylén, K., Fusaroli, R., Bundgaard, P., Østergaard, S. (in press). Making Sense Together: a dynamical account of linguistic meaning making. Semiotica
• Clark, A. 2006. “Language, embodiment, and the cognitive niche”. Trends in Cognitive Ssciences, 10: 370-374.
• Cowley, S. J. (1998). Of timing, turn-taking and conversations. Journal of Psycholingitistic Research, Vol. 27, No. 5, 541-571.
• Di Paolo, E. A., Rohde, M. and Iizuka, H. (2008). Sensitivity to social contingency or stability of interaction? Modelling the dynamics of perceptual crossing New Ideas in Psychology , 26: 278 - 294, Special issue on Dynamics and Psychology.
• Galantucci, B. (2009). Experimental Semiotics: A new approach for studying communication as a form of joint action. Topics in Cognitive Science, 1(2), 393-410.
• Orsucci, F., Giuliani, A., Webber, C.L., Jr., Zbilut, J., Fonagy, P., Mazza, M. (2006). Combinatorics and synchronization in natural semiotics. Physica A 361: 665-676.

Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:

• Bioinformatyka i biologia systemów, stacjonarne, pierwszego stopnia
• Informatyka, stacjonarne, pierwszego stopnia
• Matematyka, stacjonarne, pierwszego stopnia
• Bioinformatyka i biologia systemów, stacjonarne drugiego stopnia
• Informatyka, stacjonarne, drugiego stopnia
• Matematyka, stacjonarne, drugiego stopnia

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

• Strona przedmiotu 4010-COGSYS-OG w USOSweb