No description available.

Although the independent roles of working memory capacity (WMC) and knowledge in problem solving have been thoroughly researched, there is significantly less work that has explored how WMC and knowledge interact during problem solving. The present study investigated how the quality of knowledge representations contribute to rule transfer in a problem-solving context and how WMC might contribute to the subsequent failure or success in transferring the relevant information. Participants were trained on individual figural analogies rules and then asked to rate how similar they thought the rules were to determine how stimulispecific or abstract their rule representations were. Their rule representation score, along with other measures (WMC and fluid intelligence measures) were used to predict accuracy on a set of test items, of which half included only the trained rules, and the other half were comprised of entirely new rules. Results indicated that the training did improve performance on the test items and that WMC largely explained the ability to transfer rules. Although the rule representations scores did not predict accuracy on the trained items, the results suggest that rule representations may be important for inductive reasoning or pattern recognition, rather than explaining transfer. Furthermore, rule representations uniquely explained performance on the figural analogies task, even after accounting for WMC and fluid intelligence. Altogether, these results indicate that WMC plays a large role in knowledge transfer, even when transferring to a more complex problem-solving context, and that rule representations may be important for novel problem solving.

This thesis explores the use of artificial neural networks for modelling cognitive processes. It presents an exposition of the neural network paradigm, and evaluates its viability in relation to the classical, symbolic approach in cognitive science. Classical researchers have approached the description of cognition by concentrating mainly on an abstract, algorithmic level of description in which the information processing properties of cognitive processes are emphasised. The approach is founded on seminal ideas about computation, and about algorithmic description emanating, amongst others, from the work of Alan Turing in mathematical logic. In contrast to the classical conception of cognition, neural network approaches are based on a form of neurocomputation in which the parallel distributed processing mechanisms of the brain are highlighted. Although neural networks are generally accepted to be more neurally plausible than their classical counterparts, some classical researchers have argued that these networks are best viewed as implementation models, and that they are therefore not of much relevance to cognitive researchers because information processing models of cognition can be developed independently of considerations about implementation in physical systems. In the thesis I argue that the descriptions of cognitive phenomena deriving from neural network modelling cannot simply be reduced to classical, symbolic theories. The distributed representational mechanisms underlying some neural network models have interesting properties such as similarity-based representation, content-based retrieval, and coarse coding which do not have straightforward equivalents in classical systems. Moreover, by placing emphasis on how cognitive processes are carried out by brain-like mechanisms, neural network research has not only yielded a new metaphor for conceptualising cognition, but also a new methodology for studying cognitive phenomena. Neural network simulations can be lesioned to study the effect of such damage on the behaviour of the system, and these systems can be used to study the adaptive mechanisms underlying learning processes. For these reasons, neural network modelling is best viewed as a significant theoretical orientation in the cognitive sciences, instead of just an implementational endeavour. / Psychology / D. Litt. et Phil. (Psychology)

This project forms part of a growing engagement with biology by critical psychology and, more broadly, body studies. The specific focus is on the neurological body whose dogmatic exclusion from critical endeavours is challenged by arguing that neuroscience offers a vital resource for emancipatory agendas. Rather than conversely treating biology as a site for the factual supplementation of social theory the aim is to engage (negotiate) with neuroscience more directly and critically. In this process a discursive reductionism and attempted escape from complicity associated with critical psychology are addressed. Similarly a naïve and apolitical empiricism claimed by neuroscience is disrupted. The primary objective is however to demonstrate the utility of neuroscience in developing critical theory. These objectives are pursued through the ‘method’ of deconstruction, (mis)reading several highly regarded neuroscience texts written by prominent neuroscientists, working within the convolutions of these texts so as develop openings for critical conceptualisations of (neural) corporeality. In this manner the various spectres associated with neurology, including essentialism, determinism, individualism, reductionism and dualism, are displaced. This includes, amongst others, the omnipresent mind/body and body/society binaries. The (mis)readings address a number of prominent themes associated with contemporary neuroscience: Attempts at specifying an identity for (part of) the brain are shown to rely on a necessary relationship with the excluded other (such as the body, the socio-cultural, and the environment). Similarly, attempts at articulating a centre, a point from which agency can proceed, which finds existing identity in the functions of the prefrontal cortices, are also undone by the (multiple, affective, and unconscious) other which decentres the centre by being the essential supplement for any such claims. The causal metaphysic must likewise proceed within the play of différance, a logic of difference and deferral that undermines causal routes, innate origins and autocratic centres. Finally, reductionism must advance as a necessary strategy through which to engage with complexity, its ambitions always impossible as the aneconomic is forever in excess of any economy. The emancipatory viability of such (mis)readings is discussed within a context where the open and malleable body has been co-opted by contemporary neo-liberal geoculture. / Psychology / D.Litt. et Phil. (Psychology)

En psychologie cognitive, les concepts sont les ensembles de connaissances qui sont stockés en mémoire à long terme et qui sont utilisés par défaut dans nos processus cognitifs supérieurs (catégorisation, raisonnement inductif et déductif...). La plupart des chercheurs en sciences cognitives supposent qu'ils ont en commun de nombreuses propriétés. La psychologie des concepts est supposée décrire ces propriétés. Les psychologues admettent ainsi que les concepts forment une espèce naturelle. En examinant un grand nombre de données expérimentales, ce travail de thèse montre que cette hypothèse est erronée. Au contraire, les concepts se divisent en types qui ont peu en commun. En conséquence, la notion de concept est une manière inadéquate de classifier les représentations mentales humaines, si l'on cherche à formuler des généralisations empiriques à propos de l'esprit humain.

Cette thèse s'intéresse aux mécanismes permettant de faciliter l'acquisition autonome de comportements chez les êtres vivants et propose d'utiliser ces mécanismes dans le cadre de tâches robotiques. Des réseaux de neurones artificiels sont utilisés pour modéliser certaines structures cérébrales, à la fois afin de mieux comprendre le fonctionnement de ces structures dans le cerveau des mammifères et pour obtenir des algorithmes robustes et adaptatifs de contrôle en robotique. Les travaux présentés se basent sur un modèle de l'hippocampe permettant d'apprendre des relations temporelles entre des événements perceptifs. Les neurones qui forment le substrat de cet apprentissage, appelés cellules de transition, permettent de faire des prédictions sur les événements futurs que le robot pourrait rencontrer. Ces transitions servent de support à la con- struction d'une carte cognitive, située dans le cortex préfrontal et/ou pariétal. Cette carte peut être apprise lors de l'exploration d'un environnement inconnu par un robot mobile et ensuite utilisée pour planifier des chemins lui permettant de rejoindre un ou plusieurs buts. Outre leur utilisation pour la construction d'une carte cognitive, les cellules de transition servent de base à la conception d'un modèle d'apprentissage par renforcement. Une implémen- tation neuronale de l'algorithme de Q-learning, utilisant les transitions, est réalisée de manière biologiquement plausible en s'inspirant des ganglions de la base. Cette architecture fournit une stratégie de navigation alternative à la planification par carte cognitive, avec un apprentissage plus lent, et correspondant à une stratégie automatique de bas-niveau. Des expériences où les deux stratégies sont utilisées en coopération sont réalisées et des lésions du cortex préfrontal et des ganglions de la base permettent de reproduire des résultats expérimentaux obtenus chez les rats. Les cellules de transition peuvent apprendre des relations temporelles précises permettant de prédire l'instant où devrait survenir un événement. Dans un modèle des interactions entre l'hippocampe et le cortex préfrontal, nous montrons comment ces prédictions peuvent expliquer certains enregistrements in-vivo dans ces structures cérébrales, notamment lorsqu'un rat réalise une tâche durant laquelle il doit rester immobile pendant 2 secondes sur un lieu but pour obtenir une récompense. L'apprentissage des informations temporelles provenant de l'environnement et du comportement permet de détecter des régularités. A l'opposé, l'absence d'un événe- ment prédit peut signifier un échec du comportement du robot, qui peut être détecté et utilisé pour adapter son comportement en conséquence. Un système de détection de l'échec est alors développé, tirant parti des prédictions temporelles fournies par l'hippocampe et des interactions entre les aspects de modulation comportementale du cortex préfrontal et d'apprentissage par renforcement dans les ganglions de la base. Plusieurs expériences robotiques sont conduites dans lesquelles ce signal est utilisé pour moduler le comportement d'un robot, dans un premier temps de manière immédiate, afin de mettre fin aux actions du robot qui le mènent à un échec et envisager d'autres stratégies. Ce signal est ensuite utilisé de manière plus permanente pour moduler l'apprentissage des associations menant à la sélection d'une action, afin que les échecs répétés d'une action dans un contexte particulier fassent oublier cette association. Finalement, après avoir utilisé le modèle dans le cadre de la navigation, nous montrons ses capacités de généralisation en l'utilisant pour le contrôle d'un bras robotique. Ces travaux constituent une étape importante pour l'obtention d'un modèle unifié et générique permettant le contrôle de plates-formes robotiques variés et pouvant apprendre à résoudre des tâches de natures différentes.

Si la question de l'origine du langage reste d'un abord compliqué, celle de l'origine des formes du langage semble plus susceptible de se confronter à la démarche expérimentale. Malgré leur infinie variété, d'évidentes régularités y sont présentes : les universaux du langage. Nous les étudions par des raisonnements plus généraux sur l'émergence du langage, notamment sur la recherche de précurseurs onto- et phylogénétiques. Nous abordons trois thèmes principaux : la situation de communication parlée, les architectures cognitives des agents et l'émergence des universaux du langage dans des sociétés d'agents. Notre première contribution est un modèle conceptuel des agents communicants en interaction, issu de notre analyse bibliographique. Nous en proposons ensuite une formalisation mathématique Bayésienne : le modèle d'un agent est une distribution de probabilités, et la production et la perception sont des inférences bayésiennes. Cela permet la comparaison formelle des différents courants théoriques en perception et en production de la parole. Enfin, nos simulations informatiques de société d'agents identifient les conditions qui favorisent l'apparition des universaux du langage.

La perception du mouvement propre met en jeu différents systèmes sensoriels (principalement visuel, vestibulaire et somatosensoriel). Ces informations sont traitées par le système nerveux central pour élaborer une représentation tridimensionnelle des mouvements de la tête et du corps dans l'espace, permettant ainsi des fonctions comme l'orientation spatiale, la perception des distances (distances relatives et distances parcourues), le maintien de l'équilibre et de la posture. La perception au niveau du récepteur périphérique ne reflète que très rarement la sensation consciente du mouvement. L'étude de la perception du mouvement doit donc s'intéresser aux interactions entre les différentes modalités sensorielles, plus qu'à l'étude de chaque canal sensoriel séparément. Les signaux provenant des différents systèmes sensoriels peuvent ne pas congruer, générant des situations d'illusions et de conflits sensoriels étudiées par l'ergonomie cognitive.

L'objectif de ce travail est de modéliser la formation, la maintenance et la réorganisation des cartes corticales somesthésiques en utilisant la théorie des champs neuronaux dynamiques. Un champ de neurones dynamique est une équation intégro-différentiel qui peut être utilisée pour décrire l'activité d'une surface corticale. Un tel champ a été utilisé pour modéliser une partie des aires 3b de la région du cortex somatosensoriel primaire et un modèle de peau a été conçu afin de fournir les entrées au modèle cortical. D'un point de vue computationel, ce modèle s'inscrit dans une démarche de calculs distribués, numériques et adaptatifs. Ce modèle s'avère en particulier capable d'expliquer la formation initiale des cartes mais aussi de rendre compte de leurs réorganisations en présence de lésions corticales ou de privation sensorielle, l'équilibre entre excitation et inhibition jouant un rôle crucial. De plus, le modèle est en adéquation avec les données neurophysiologiques de la région 3b et se trouve être capable de rendre compte de nombreux résultats expérimentaux. Enfin, il semble que l'attention joue un rôle clé dans l'organisation des champs récepteurs du cortex somato-sensoriel. Nous proposons donc, au travers de ce travail, une définition de l'attention somato-sensorielle ainsi qu'une explication de son influence sur l'organisation des cartes au travers d'un certain nombre de résultats expérimentaux. En modifiant les gains des connexions latérales, il est possible de contrôler la forme de la solution du champ, conduisant à des modifications importantes de l'étendue des champs récepteurs. Celà conduit au final au développement de zones finement cartographiées conduisant à de meilleures performances haptiques.

Le travail présenté dans cette thèse propose des modèles de calcul pour l'extraction du mouvement et la reconnaissance de formes dynamiques à partir du flux d'informations visuelles, en s'inspirant des mécanismes correspondants mis en jeu dans le cerveau. Plus précisément, nous proposons des hypothèses sur la façon dont le mécanisme cérébral de ces tâches peut fonctionner et nous nous efforçons de déterminer comment des neurones avec un petit champ récepteur sont en mesure de fournir des réponses cohérentes et de coder des formes dynamiques complexes. Nous étudions chaque aspect du traitement réalisé dans le cerveau que nous avons modélisé dans un cadre connexionniste, en montrant comment ces systèmes distribués peuvent être utilisés pour des tâches complexes telles que la détection de mouvement et la reconnaissance de formes dynamiques. Du point de vue informatique ces modèles offrent de nouveaux algorithmes, avec des propriétés intéressantes telles que l'utilisation de mémoire distribuée et la robustesse. La détection de mouvement et la discrimination de motifs visuels complexes à partir de ce signal (ou "vision cognitive") structurent les deux parties dans lesquelles le manuscrit se divise. La première partie porte sur la détection de mouvement en étudiant la façon dont l'extraction de caractéristiques visuelles est effectuée à partir du flux d'information visuel, et en particulier la façon dont les problèmes dus à la petite taille et la gamme de détection réduite des détecteurs de mouvement locaux peuvent être résolus. Dans la deuxième partie nous étudions la façon dont la classification des motifs visuels dynamiques complexes est réalisée à partir du traitement fourni par le système primaire de vision pour réaliser ce que nous appelons la vision cognitive, en évaluant au passage différentes techniques d'extraction de caractéristiques visuelles.