Descrizione del progetto
Modello matematico per le reti di memoria di lavoro
La memoria umana è un processo mentale potente che comprende diversi moduli responsabili dell’elaborazione, dell’apprendimento e del richiamo degli stimoli ricevuti. La memoria di lavoro contiene ed elabora informazioni temporanee per l’esecuzione di compiti cognitivi. Comprendere il funzionamento della memoria umana è cruciale per decifrare il suo ruolo nella salute cognitiva e l’utilizzo in sviluppi di intelligenza artificiale (IA), come le reti neurali profonde. Tuttavia, la solidità di queste reti quando i loro terminali di ingresso sono perturbati è tuttora una questione aperta di fondamentale importanza. Il progetto ReWoMeN, finanziato dall’UE, svilupperà un modello matematico combinato basato su modelli e guidato dai dati per comprendere le dinamiche di richiamo delle reti di memoria di lavoro umane (ReWoMeN, recall dynamics of human WM networks) ai fini della realizzazione di reti neurali profonde solide e per contribuire alla comprensione meccanicistica della memoria di lavoro umana.
Obiettivo
Memory and learning are human central cognitive abilities. The importance of understanding human memory functioning is evident from its central role in our cognitive health as well as its role as the main inspiration behind developments in artificial intelligence, in particular artificial deep neural networks (DNN). Despite considerable progress in the recent years in the area of DNNs, robustness of these networks is an important open issue. In particular, noise robustness, i.e. DNNs are fragile in maintaining the correct predictions if their input is perturbed. In contrast, a healthy human’s memory system maintains performance despite perturbed inputs. This motivates us to learn from the biological neuronal networks of human memory for a more robust DNN. The human memory is composed of several modules responsible for processing, learning, and recalling the received information. Among the memory modules is the working memory (WM) which is responsible for holding and processing information in a temporary fashion and in service of higher order cognitive tasks, e.g. decision making. The short-term nature of the WM makes it a great example for designing dynamic DNNs, which are useful in safety critical applications in uncertain environments. The aim of this proposal is to build a combined model-based and data-driven mathematical framework for understanding Recall dynamics of human Working Memory Networks (ReWoMeN) for realization of a robust DNN as well as contributing to the mechanistic understanding of the human WM. ReWoMeN address three main challenges including derivation of a biologically plausible system-level model to account for the measured data of human experience of WM recalling, analysis of such a complex model for explaining and predicting WM behavior, and comparing the robustness of our WM model with a recurrent DNN in an image recognition application.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- scienze naturaliscienze biologicheneurobiologianeuroscienze cognitive
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeintelligenza computazionale
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
Argomento(i)
Meccanismo di finanziamento
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinatore
2628 CN Delft
Paesi Bassi