Modelado cognitivo de la memoria y el aprendizaje humanos: Un enfoque no invasivo de interfaz cerebro-ordenador

Título original:

Cognitive Modeling of Human Memory and Learning: A Non-Invasive Brain-Computer Interfacing Approach

Contenido del libro:

Propone modelos computacionales de la memoria y el aprendizaje humanos utilizando un enfoque de interfaz cerebro-ordenador (BCI).

La modelización de la memoria humana es importante desde dos puntos de vista. En primer lugar, el ajuste preciso del modelo a la memoria a corto plazo o de trabajo de un individuo puede ayudar a predecir el rendimiento de la memoria del sujeto en el futuro. En segundo lugar, los modelos de memoria proporcionan una visión biológica de los mecanismos de codificación y recuerdo emprendidos por las neuronas presentes en los lóbulos cerebrales activos, que participan en el proceso de memorización. Este libro modela la memoria humana desde un punto de vista cognitivo utilizando activaciones cerebrales adquiridas del córtex por medios electroencefalográficos (EEG) y espectroscópicos de infrarrojo cercano funcional (f-NIRs).

Cognitive Modeling of Human Memory and Learning A Non-invasive Brain-Computer Interfacing Approach comienza con una visión general de los primeros modelos de memoria. A continuación, los autores proponen un modelo simplista de memoria de trabajo (MT) basado en el aprendizaje Hebbiano difuso. Una segunda perspectiva de los modelos de memoria se centra en el modelo de memoria a corto plazo (MCP) en el contexto de la reconstrucción bidimensional de formas de objetos a partir de instancias memorizadas examinadas visualmente. Un tercer modelo evalúa la habilidad subjetiva de aprendizaje motor en la conducción a partir de acciones motoras erróneas. Otros modelos introducen una novedosa estrategia de diseño de una red clasificadora profunda de memoria a largo plazo (LSTM) de dos capas y también abordan la evaluación de la carga cognitiva en tareas de aprendizaje motor asociadas a la conducción. El libro termina con unas observaciones finales basadas en los principios y resultados experimentales adquiridos en los capítulos anteriores.

Examina el alcance de los modelos computacionales de memoria y aprendizaje con especial énfasis en la clasificación de tareas de memoria mediante modelos basados en aprendizaje profundo.

Propone dos algoritmos de razonamiento difuso de tipo-2: Razonamiento difuso de tipo-2 por intervalos (IT2FR) y Conjuntos difusos de tipo-2 generales (GT2FS).

Considera tres clases de cargas cognitivas en las tareas de aprendizaje motor para estudiantes de conducción.

Cognitive Modeling of Human Memory and Learning A Non-invasive Brain-Computer Interfacing Approach será de interés para los investigadores en neurociencia cognitiva e interfaces cerebro-ordenador. También es beneficioso para los estudiantes de postgrado de informática/ingeniería eléctrica/electrónica.