Utilize este identificador para referenciar este registo: http://hdl.handle.net/10451/7656
Título: Modelo computacional de organização hierárquica e categorização da memória semântica : identificação do nível hierárquico do conceito a partir do grau de partilha dos seus atributos
Autor: Santos, Ana Teresa Fernandes, 1981-
Orientador: Marques, J. Frederico, 1966-
Correia, Luís Miguel
Palavras-chave: Memória semântica
Memória (psicologia)
Categorização
Teses de mestrado - 2011
Data de Defesa: 2011
Resumo: A modelação computacional da memória semântica remonta aproximadamente a partir da década de 60 desde que foi criado o primeiro modelo computacional com vista à compreensão da sua organização e estrutura. As várias teorias sobre a organização da memória semântica resultam num paradoxo de categorização onde o nível básico apresenta vantagem em tarefas semânticas em sujeitos saudáveis, mas numa situação de demência semântica, é o nível sobreordenado que se mostra mais facilmente identificável ou acessível. Descobriu-se recentemente que o grau de partilha dos atributos de um conceito contribuí para a diferenciação do seu nível hierárquico. Com base neste parâmetro, foi construído um modelo computacional de redes neuronais numa perspectiva conexionista, com o objectivo de identificar corretamente o nível hierárquico de um conceito a partir do valor de partilha dos seus atributos. Como segundo objectivo, pretendia-se que o modelo fosse capaz de criar categorias a partir das semelhanças de padrões criadas pelo conjunto de atributos dos conceitos para diferentes domínios. Os resultados obtidos confirmaram que o parâmetro ‘partilha’ contribui para a diferenciação hierárquica dos conceitos. No entanto, devido ao pouco número de conceitos e respectivos atributos, não foi possível confirmar a hipótese de categorização e agrupamento de conceitos por domínio. Como terceiro objectivo, pretendia-se verificar o comportamento de uma rede lesionada e comparar os seus resultados com o observado em pacientes reais. Uma vez treinada a rede e analisados os resultados para uma simulação de uma rede saudável, foram feitas várias lesões sobre a rede original e comparados os seus resultados. Foram simuladas lesões ao nível das conexões e ao nível dos neurónios. As lesões ao nível das conexões resultaram num pior desempenho da rede para os conceitos do nível sobreordenado. Ao lesionar as conexões da rede, limitámos a sua capacidade de processamento podendo fazer um paralelismo destes resultados com a necessidade de maior processamento para conceitos de nível sobreordenado devido à maior dificuldade de coordenação de informação menos partilhada. As lesões neuronais (artificiais) produziram os sintomas análogos aos encontrados em pacientes reais. O desempenho da rede diminuiu muito para os conceitos de nível básico, mas manteve-se satisfatória para os conceitos de nível sobreordenado conseguindo ainda identificá-los a este nível.
The computational modeling of semantic memory dates from about the 1960’s since it was created the first computational model for the understanding of its organization and structure. The several theories concerning the organization of semantic memory conducts to a paradox where the basic level of categorization presents advantage by healthy subjects in semantic tasks, but in a situation of semantic dementia, the superordinate level is more easily identifiable or accessible. Recently it was discovered that the feature sharedness of the concepts contributed to the differentiation of their hierarchical level. Based on this parameter, it was constructed a computational neural network model in a connectionist perspective, that was able to correctly identify the hierarchical level of a concept by analyzing the degree of feature sharedness. The second objective of the model was to create categories on the basis of similarities of patterns created by the set of the concepts attributes in different domains. The results observed confirmed that the feature sharedness parameter contributes to the hierarchical differentiation of the concepts, but perhaps due to the limited number of concepts and their attributes, we could not confirm the hypothesis of categorization and clustering of domain concepts. The third objective of the model was to verify the behavior of a lesioned network and compare its results with the observed in real patients. After conducting the learning process of the network and analyzed the results for a healthy simulation, several lesions were made on the original network and compared the results. Lesions were made at the connections level and the neurons level. The connections lesions resulted in a worst performance network for the superordinate concepts. By injuring the network connections and limiting its processing capacity we can make a parallel of these results with the need of higher processing for superordinate concepts due to the increased difficulty to coordinate information less shared. The (artificial) neuronal lesions produced symptoms similar to those found in real patients. The network performance decreases deeply for basic level concepts, but remained satisfactory for the superordinate level concepts still able to identify those at this level.
Descrição: Tese de mestrado, Ciência Cognitiva, Universidade de Lisboa, Faculdade de Psicologia, Faculdade de Ciências, Faculdade de Medicina, Faculdade de Letras, 2011
URI: http://hdl.handle.net/10451/7656
Designação: Mestrado em Ciência Cognitiva
Aparece nas colecções:FP - Dissertações de Mestrado

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
ulfpie042947_tm.pdf4,14 MBAdobe PDFVer/Abrir


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.