Kognitiv modellering
Overordnede kursusmål
I dette kursus vil du lære om probablistiske modeller af kognitive processer. Du vil opnå færdigheder i at analysere data fra psykofysiske eksperimenter ved hjælp af signal-detektionsteori og den psykometriske funktion. Vi vil analysere disse standardmetoder og indse, at de er forankret i underliggende modeller og antagelser. Herefter vil vi se, at disse modeller kan indpasses i et bredere Bayesiansk framework, som vi vil bruge til at opbygge skræddersyede probabilistiske modeller af kognitive processer.
Kurset vil også undersøge lineære modeller af neural kodning af information og hvordan vi kan bruge disse modeller til at afkode neurale repræsentationer fra adfærdsdata.
Et betydeligt fokus i dette kursus ligger i at mestre optimering og evaluering af skræddersyede sandsynlighedsmodeller ved hjælp af maximum likelihood-princippet og numerisk optimering. Det forventes, at studerende har færdigheder inden for kodning, især i Python eller MATLAB. Derudover er en grundlæggende forståelse af sandsynlighedsteori vigtig. Igennem kurset vil der blive lagt vægt på evnen til at konstruere skræddersyede modeller og minimere afhængigheden af foruddefinerede funktioner og værktøjskasser.
See course description in English
Læringsmål
- Analysere data fra psykofysiske eksperimenter ved hjælp af signal-detektionsteori og den psykometriske funktion
- Analysere perception fra et bayesiansk perspektiv
- Analysere lineære modeller af neural kodning
- Beskrive forholdet mellem neurale og kognitive modeller
- Optimere en skræddersyet sandsynlighedsmodel af en kognitiv proces til adfærdsdata
- Evaluere en skræddersyet sandsynlighedsmodel ved hjælp af krydsvalidering
- Simulere data fra en sandsynlighedsmodel
- Bruge simulerede data til at evaluere model- og parametergenkaldelse
- Designe eksperimenter til at teste sandsynlighedsmodeller af kognitive processer
- Diskutere forholdet mellem kvalitative og kvantitative modeller af kognitive processer
Kursusindhold
Emnerne i kurset introduceres i ugentlige forelæsninger. Der lægges stor vægt på praktisk arbejde, hvor dde studerende opnår færdigheder i optimering og evaluering af skræddersyede sandsynlighedsmodeller af kognitive processer gennem projektarbejde og øvelser.
Kurset indeholder ikke obligatoriske opgaver, og selvom deltagelse i kursusaktiviteter anbefales stærkt, er det valgfrit. Dog vil studerende have mulighed for at modtage feedback på deres projektarbejde og øvelser.
Anbefalede forudsætninger
02450/02454/02464, Sandsynlighedsregning, grundlæggende machine learning og kendskab til programmering. Kendskab eller interesse for kognitionsvidenskab.
Undervisningsform
Forelæsninger, øvelser og projektarbejde