Публичные лекции

23 сентября 2019 года

00.00 - 00.00

Активный вывод и глубокие временные модели (Active inference and deep temporal models)

О мероприятии

       

Карл Фристон (англ. Karl John Friston) – британский нейробиолог и специалист по визуализации мозга, изобретатель метода статистического параметрического картирования (SPM), ставшего международным стандартом анализа данных, а также метода воксельной морфометрии (VBM). Карл Фристон получил широкую известность и признание в научных кругах за формулировку ряда основополагающих теоретических представлений, таких как принцип минимизации свободной энергии, гипотеза «Байесовского мозга» и др.


Карл Фристон - член Британской Медицинской Академии, член Королевского научного общества, научный директор Лаборатории функциональных изображений при Университетском колледже Лондона.
В 2016 году Карл Фристон занял № 1 в списке самых влиятельных учёных нейрофизиологов.
Хирш-индекс Карла Фристона составляет 174 согласно данным WebOfScience и 220 согласно данным GoogleScholar.   

Программа мероприятия

Публичная лекция "Активный вывод и глубокие временные модели" 

 

(время проведения лекции: предварительно 17:00-19:00)

 

В лекции будет рассказано о глубоких временных моделях (deep temporal models), основанных на Марковских процессах принятия решений. Эти представления базируются на выдвинутой ранее теории активного вывода (active inference – активный сбор информации мозгом для проверки и обновления предсказаний об окружающем мире) и используются для симуляции как поведения, так и электрофизиологических данных – в рамках иерархических порождающих моделей переходов между дискретными состояниями. Инверсия таких моделей (выявление скрытых причин путем анализа следствий) базируется на вложенных последовательных выводах (предсказаниях), организованных таким образом, что изменение состояния на более высоком иерархическом уровне влечет за собой множественные изменения состояния на нижележащем уровне. Глубокая структурированность этих моделей во временном аспекте означает, что свидетельства накапливаются в различных временных масштабах, позволяя делать выводы в нарративах (то есть, в последовательностях сцен, упорядоченных во времени) – как это, например, можно наблюдать при чтении текстов. Мы иллюстрируем такое поведение в контексте представлений об обновлении «байесовских сетей доверия» – и соответствующих теорий нейронных процессов – для объяснения феномена поиска и накопления информации, направленного на разрешение неопределенностей (epistemic foraging), наблюдаемого при чтении. Компьютерные симуляционные модели, имитирующие такие процессы, позволяют воспроизвести экспериментальные данные по перисаккадической нейронной активности и локальным потенциалам поля; в частности, это относится к исследованиям накопления свидетельств и к регистрации активности нейронов места. Наконец, мы используем глубокую структуру этих моделей для компьютерной симуляции ответов на локальные (например, тип шрифта) и глобальные (например, семантические) нарушения упорядоченности в последовательностях стимулов, позволяющей воспроизвести такие эффекты, как негативность рассогласования и потенциал P300 соответственно.

 

This presentation introduces deep temporal models based on Markov decision processes. It builds on previous formulations of active inference to simulate behaviour and electrophysiological responses under hierarchical generative models of discrete state transitions. The inversion of these models involves nested sequential inference, such that a transition at a higher hierarchical level entails multiple transitions at the level below. The deeply structured temporal aspect of these models means that evidence is accumulated over distinct temporal scales, enabling inferences about narratives (i.e., temporal scenes) of the sort seen in reading. We illustrate this behaviour in terms of Bayesian belief updating – and associated neuronal process theories – to reproduce the epistemic foraging seen in reading. These simulations reproduce these sort of perisaccadic delay period activity and local field potentials seen empirically; including evidence accumulation and place cell activity. Finally, we exploit the deep structure of these models to simulate responses to local (e.g., font type) and global (e.g., semantic) violations; reproducing mismatch negativity and P300 responses respectively.

Пост-релиз мероприятия

 

 

Условия участия

Приглашаем всех желающих!

 

Лекция будет проходить в  МГППУ, по адресу: Сретенка 29, аудитория 506

 

Лекция на английском языке. Предусмотрен синхронный перевод на русский язык.  

 

Для прохода в здание университета при себе иметь документ, удостоверяющий личность.

Форма регистрации на мероприятие (в своем личном кабинете Вы сможете отслеживать посещенные мероприятия)

Дата: 23 сентября 2019 года

Время: 00.00 - 00.00

Email : nirs@mgppu.ru

Телефон: +7 (495) 623-07-52

Организатор: Отдел планирования и сопровождения научных проектов и мероприятий МГППУ

Место проведения: Сретенка 29

Как добраться: ст. м. «Сухаревская»: выход из метро налево. Далее через арку мимо «Макдональдса»

Ближайшие мероприятия

Публичные лекции

24.09.2019

МГППУ, Сретенка 29

Публичные лекции

25.09.2019

МГППУ, Сретенка 29

© 2018 Московский государственный психолого-педагогический университет