Resumen

Los humanos pueden categorizar un objeto en diferentes niveles semánticos. Por ejemplo, un perro puede ser categorizado como un animal (superordinado), un animal terrestre (básico) o un perro (subordinado). Estudios recientes han demostrado que la duración de la presentación del estímulo puede afectar al mecanismo de categorización en el cerebro. La presentación rápida del estímulo no permitirá que se apliquen influencias descendentes en la corteza visual, mientras que en la no rápida, se pueden establecer influencias descendentes y el resultado final será diferente. En este trabajo, se introduce un modelo temporal recurrente de spiking basado en el sistema visual humano para niveles semánticos de categorización. Demostramos que el problema de categorización para imágenes invertidas y de derecha a izquierda puede ser resuelto sin aprovechar la retroalimentación, pero para los problemas de oclusión y borrado, la retroalimentación de arriba hacia abajo es necesaria. El modelo computacional propuesto tiene tres vías de retroalimentación que expresan los efectos de la expectativa y la tarea perceptiva, y se describe por el tipo de problema que el modelo busca resolver y el nivel de categorización. Dependiendo del nivel semántico de la pregunta formulada, el modelo cambia su estructura neuronal y sus conexiones. Otra aplicación de las rutas recursivas es la resolución del problema del efecto expectativa, es decir, la compensación de la reducción de la tasa de disparo por las influencias descendentes debidas a las características disponibles en el objeto. Además, en este trabajo se realiza un experimento psicofísico en el que se investigan las influencias descendentes. En este experimento, por las influencias top-down, la velocidad y la precisión de la categorización de los sujetos aumentó para los tres niveles de categorización. Tanto en presencia como en ausencia de influencias top-down, el punto destacable es la ventaja superordinada.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:influencia, nivel de categorización, top, nivel semántico, ausencia de top, sistema visual humano, efectos de las expectativas, diferente nivel semántico, ventaja de la retroalimentación, tipo de problema
• Keywords:influence, level of categorization, top, semantic level, absence of top, human visual system, effects of expectations, different semantic level, advantage of feedback, type of problem