Return to search

Когнитивно инспирисани рачунарски модел меморије са применама у роботици / Kognitivno inspirisani računarski model memorije sa primenama u robotici / Cognitively Inspired Computational Memory Model with Applications in Robotics

<p>У дисертацији је представљен нови рачунарски модел<br />дуготрајне меморије, намењен за примене у конверзаци-<br />оним роботским агентима. Предложени модел је симболи-<br />чки, са методолошког аспекта, и инспирисан је изабраним<br />когнитивним механизмима људског меморијског система,<br />који укључују интеграцију менталних репрезентација,<br />семантичку категоризацију, асоцијативно учење и контек-<br />стно зависно селектовање информација. У основи модела<br />се налази симболички приступ за аутоматско моделовање<br />домена интеракције између човека и робота. Релевантни<br />функциoнaлни aспeкт предложеног модела oднoси се нa<br />прoблeме адекватног aктивирaњa делова дуготрајне<br />мeмoриje, у складу са спољашњим стимулансима, истори-<br />јом интеракције и тренутним контекстом интеракције. Ниво<br />апстракције у спецификацији модела је довољан да<br />омогући примену модела у широком спектру просторних,<br />униформних домена који су карактеристични за интеракцију<br />између човека и робота, а ниво детаља у спецификацији је<br />довољан за рачунарску имплементацију модела.</p> / <p>U disertaciji je predstavljen novi računarski model<br />dugotrajne memorije, namenjen za primene u konverzaci-<br />onim robotskim agentima. Predloženi model je simboli-<br />čki, sa metodološkog aspekta, i inspirisan je izabranim<br />kognitivnim mehanizmima ljudskog memorijskog sistema,<br />koji uključuju integraciju mentalnih reprezentacija,<br />semantičku kategorizaciju, asocijativno učenje i kontek-<br />stno zavisno selektovanje informacija. U osnovi modela<br />se nalazi simbolički pristup za automatsko modelovanje<br />domena interakcije između čoveka i robota. Relevantni<br />funkcionalni aspekt predloženog modela odnosi se na<br />probleme adekvatnog aktiviranja delova dugotrajne<br />memorije, u skladu sa spoljašnjim stimulansima, istori-<br />jom interakcije i trenutnim kontekstom interakcije. Nivo<br />apstrakcije u specifikaciji modela je dovoljan da<br />omogući primenu modela u širokom spektru prostornih,<br />uniformnih domena koji su karakteristični za interakciju<br />između čoveka i robota, a nivo detalja u specifikaciji je<br />dovoljan za računarsku implementaciju modela.</p> / <p>This dissertation proposes a novel computational model of<br />long-term memory intended for applications in conversational<br />robotic agents. The proposed model is symbolic, from the<br />methodological point of view, and cognitively-inspired by<br />selected cognitive mechanisms of the human memory system,<br />including integration of mental representations, semantic<br />categorization, associative learning, and context-dependent<br />information selection. In the core of the model there is a<br />symbolic approach to automatic modeling of domains of<br />human-robot interaction. The relevant functional aspect of the<br />proposed model concerns the problems of context-dependent<br />retrieval from long-term memory, in accordance with external<br />stimuli, the interaction history, and the current context of<br />interaction. The level of abstraction in the model is sufficient to<br />enable generalization of the model over a range of spatial,<br />uniform domains that are characterical for human-robot<br />interaction, while the level of detail contained in the<br />specification of the model is sufficient for a computational<br />implementation.</p>

Identiferoai:union.ndltd.org:uns.ac.rs/oai:CRISUNS:(BISIS)107181
Date01 June 2018
CreatorsSavić Srđan
ContributorsGnjatović Milan, Borovac Branislav, Raković Mirko, Nikolić Milutin, Jovanović Kosta
PublisherUniverzitet u Novom Sadu, Fakultet tehničkih nauka u Novom Sadu, University of Novi Sad, Faculty of Technical Sciences at Novi Sad
Source SetsUniversity of Novi Sad
LanguageSerbian
Detected LanguageUnknown
TypePhD thesis

Page generated in 0.0013 seconds