Submitted by Marcelo Salhab Brogliato (msbrogli@gmail.com) on 2015-01-05T20:39:25Z
No. of bitstreams: 1
!FullThesis-v6 -biblioteca-digital.pdf: 64255589 bytes, checksum: 0ca16d02e6d615b8fc4c6f4f46db2c22 (MD5) / Approved for entry into archive by ÁUREA CORRÊA DA FONSECA CORRÊA DA FONSECA (aurea.fonseca@fgv.br) on 2015-01-06T12:52:32Z (GMT) No. of bitstreams: 1
!FullThesis-v6 -biblioteca-digital.pdf: 64255589 bytes, checksum: 0ca16d02e6d615b8fc4c6f4f46db2c22 (MD5) / Approved for entry into archive by Marcia Bacha (marcia.bacha@fgv.br) on 2015-01-12T12:15:58Z (GMT) No. of bitstreams: 1
!FullThesis-v6 -biblioteca-digital.pdf: 64255589 bytes, checksum: 0ca16d02e6d615b8fc4c6f4f46db2c22 (MD5) / Made available in DSpace on 2015-01-12T12:16:51Z (GMT). No. of bitstreams: 1
!FullThesis-v6 -biblioteca-digital.pdf: 64255589 bytes, checksum: 0ca16d02e6d615b8fc4c6f4f46db2c22 (MD5)
Previous issue date: 2012-02-02 / Modelos de tomada de decisão necessitam refletir os aspectos da psi- cologia humana. Com este objetivo, este trabalho é baseado na Sparse Distributed Memory (SDM), um modelo psicologicamente e neuro- cientificamente plausível da memória humana, publicado por Pentti Kanerva, em 1988. O modelo de Kanerva possui um ponto crítico: um item de memória aquém deste ponto é rapidamente encontrado, e items além do ponto crítico não o são. Kanerva calculou este ponto para um caso especial com um seleto conjunto de parâmetros (fixos). Neste trabalho estendemos o conhecimento deste ponto crítico, através de simulações computacionais, e analisamos o comportamento desta 'Critical Distance' sob diferentes cenários: em diferentes dimensões; em diferentes números de items armazenados na memória; e em diferentes números de armazenamento do item. Também é derivada uma função que, quando minimizada, determina o valor da 'Critical Distance' de acordo com o estado da memória. Um objetivo secundário do trabalho é apresentar a SDM de forma simples e intuitiva para que pesquisadores de outras áreas possam imaginar como ela pode ajudá-los a entender e a resolver seus problemas. / Models of decision-making need to reflect human psychology. Towards this end, this work is based on Sparse Distributed Memory (SDM), a psychologically and neuroscientifically plausible model of human memory, published by Pentti Kanerva in 1988. Kanerva‘s model of memory holds a critical point: prior to this point, a previously stored item can be easily retrieved; but beyond this point an item cannot be retrieved. Kanerva has methodically calculated this point for a particu- lar set of (fixed) parameters. Here we extend this knowledge, through computational simulations, in which we analyzed this critical point behavior under several scenarios: in several dimensions, in number of stored items in memory, and in number of times the item has been rehearsed. We also derive a function that, when minimized, determines the value of critical distance according to the state of the memory. A secondary goal is to present the SDM in a simple and intuitive way in order that researchers of other areas can think how SDM can help them to understand and solve their problems.
| Identifer | oai:union.ndltd.org:IBICT/oai:bibliotecadigital.fgv.br:10438/13095 |
| Date | 02 February 2012 |
| Creators | Brogliato, Marcelo Salhab |
| Contributors | Goldszmidt, Rafael Guilherme Burstein, Coelho, Flávio Codeço, Oliveira, Paulo Murilo Castro de, Escolas::EBAPE, Linhares, Alexandre |
| Source Sets | IBICT Brazilian ETDs |
| Language | English |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional do FGV, instname:Fundação Getulio Vargas, instacron:FGV |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds