Servizio Comunitario di Informazione in materia di Ricerca e Sviluppo - CORDIS

Modello unificato per l’inferenza di percezione

I modelli neuro-computazionali sono stati in grado di replicare o simulare l’interferenza di percezione in condizioni naturali. I ricercatori dell’UE hanno cambiato questo status quomediante un modello in contrasto con gli attuali modelli neurali classici di integrazione percettiva.
Modello unificato per l’inferenza di percezione
Durante il progetto CEMNET (A unified framework for perceptual inference in sensory cortices), gli scienziati hanno sviluppato un modello unificante di percezione detto Constrained Entropy Maximisation Network (CEMNet). Questo modello ha superato i problemi di inesattezza relativi ai precedenti modelli neurali in ambito di ambienti naturali e prove sensoriali correlate.

Il modello CEMNet incorpora una componente teorica e una sperimentale. Il modello di calcolo rappresenta il comportamento nei diversi ambienti percettivi, utilizzando un’architettura neurale biologicamente plausibile. Per rappresentare l’ambiente, le unità dedicate codificano la presenza di specifiche caratteristiche percettive e della loro congiunzione. Le unità di vincolo hanno consentito la rilevazione dello scenario più probabile quando viene presentata la prova sensoriale. Gli scienziati hanno inoltre derivato regole di plasticità per stabilire collegamenti tra unità neurali.

I ricercatori hanno raccolto dati sperimentali in materia di integrazione percettiva sottoponendo i partecipanti umani a un compito di percezione visiva per il quale sono state introdotte le correlazioni. Attraverso sofisticate tecniche di apprendimento automatico, come la massimizzazione delle aspettative, è stato studiato il modo in cui i partecipanti hanno integrato le prove sensoriali correlate. I risultati confermano che l’evidenza sperimentale è in accordo con il modello di CEMNet.

Le simulazioni hanno dimostrato la capacità del quadro CEMNet di gestire ambienti complessi e rappresentare in modo preciso l’inferenza percettiva. Tra i principali risultati, i ricercatori CEMNET hanno rivelato il ruolo dell’esperienza nella costruzione di categorie percettive integrate, utilizzando prove sensoriali per il processo decisionale.

Il modello CEMNET potrebbe essere applicato in ambiti quali comprensione relativa a percezione e distorsione della percezione per soggetti sani e patologici, come per esempio quelli affetti da schizofrenia.

Informazioni correlate

Keywords

Modello, inferenza di percezione, CEMNET, Constrained Entropy Maximization Network
Numero di registrazione: 190613 / Ultimo aggiornamento: 2016-11-29