An information-theoretic representation of human brain for decoding mental states of complex problem solving
Karmaşık Problem Çözmenin Zihinsel Durumlarının Bilgi Teorisiyle Temsili
- Tez No: 719243
- Danışmanlar: PROF. DR. FATOŞ TUNAY YARMAN VURAL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Psikoloji, Computer Engineering and Computer Science and Control, Psychology
- Anahtar Kelimeler: Beyin fonksiyonları, Entropi, Kullback-Leibler uzaklığı yaklaşımı, Problem çözme, Sinir ağları, Brain functions, Entropy, Kullback-Leibler divergence measure, Problem solving, Nerve net
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişsel Bilim Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Bilişsel Bilimler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, üst seviye bir bilişsel süreç olan karmaşık problem çözme ile ilgili zihinsel durumları çözümlemek amacıyla, insan beyin aktivitesinin temsili için Shannon bilgi teorisine dayalı bir yöntem önerilmektedir. Bu yöntem ile, karmaşık problem çözme görevindeki bilişsel durumların hesaplamalı modelleri oluşturulmuştur. İlk aşamada, problem çözüm süreci ile beyin bölgelerinin entropi değerleri arasındaki ilişki araştırılmıştır. Karmaşık problem çözme sürecinde beyin bölgelerinin içerdikleri bilgi miktarları ölçülerek, aktif bölgelerin belirlenmesi ve başarılı ve başarısız problem çözücüler için bu sürecin temel aşamalarındaki zihin durumlarının tanımlanması hedeflenmiştir. Bu amaçla Shannon Enformasyon Kuramı temel alınarak, insan beyni için iki yeni tanım geliştirilmiştir. Statik ve dinamik entropi adını verdiğimiz bu tanımlar kullanılarak anatomik bölgeler ve bunlar arasındaki ilişkiler modellenmiş, önerilen entropi ölçümlerinin problem çözme sürecindeki aktif beyin bölgelerini başarıyla tanımladığı görülmüştür. Problem çözme sürecinde düşük entropiye sahip anatomik bölgeler literatürde deneysel sinirbilim tarafından tanımlanan aktif bölgelerle uyumludur. Ardından, göreceli entropi olarak adlandırılan Kullback-Leibler sapması yöntemi ile, karmaşık problem çözme sırasında beyin bölgeleri arasındaki ilişki ölçülerek, başarılı ve başarısız problem çözücüler için bu sürecin temel aşamalarındaki fonksiyonel beyin ağları tahminlenmiştir. Önerilen beyin ağı modeli fonksiyonel Manyetik Rezonans Görüntüleme (fMRG) verileri üzerinde Destek Vektör Makineleri (SVM) algoritması kullanarak test edilmiş, planlama ve yürütme fazlarını %90'ın üzerinde başarı ile sınıflandırmıştır. Önerilen hesaplama modellerinin, karmaşık problem çözme sürecindeki aktif beyin bölgelerini saptamak, statik ve dinamik beyin ağlarını tahmin etmek, ve zihin durumlarını ortaya çıkarmak için umut verici olduğu görülmüştür.
Özet (Çeviri)
In this thesis, we propose an information-theoretic method for the representation of human brain activity to decode mental states of a high-order cognitive process, complex problem solving (CPS) using functional magnetic resonance images. First, we aim to identify the active regions and represent underlying cognitive states by measuring the information content of anatomical regions for expert and novice problem solvers during the main phases of problem-solving, namely planning and execution. Based on Shannon's entropy definition, we define two new measures: static and dynamic entropy. We investigate the relationship between problem-solving phases and the entropy values of anatomical regions. The defined entropy measures successfully identify active brain regions involved in complex problem-solving. Anatomical regions with low entropy are consistent with active regions recognized by experimental neuroscience. Then, we introduce a novel method to estimate static and dynamic brain networks using Kulback-Leibler divergence (relative entropy) for representing the complex problem-solving task. We investigate the validity of the estimated brain networks by modeling the planning and execution phases of complex problem-solving. The suggested computational network model is tested by a classification algorithm to discriminate the two phases of complex problem-solving. It is observed that the suggested computational models successfully discriminate the planning and execution phases of the complex problem solving with more than 90% accuracy. Our results show that the proposed entropy and relative entropy measures hold strong promise for identifying active regions, detecting mind states and predicting brain networks associated with complex problem solving.
Benzer Tezler
- Kültürel bağlamda simgesel anlamın mimariye yansıması ve farklı kültürlerde incelenmesi
Başlık çevirisi yok
SİMGE ESİN
- İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması
<the use of neural networks in determination of the manufacturing systems design and dispatching rules
TARIK ÇAKAR
Doktora
Türkçe
1997
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN TORAMAN
- Zihinsel ağırlıklı işler için bilişsel görev analizi yöntemi
Başlık çevirisi yok
NİLGÜN YAPICIOĞLU FIĞLALI
Doktora
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET F. ÖZOK
- Historical representation of women in leadership: A mixed-method analysis of enablers and barriers of women's progression in higher education
Kadınların liderlikteki tarihi temsili: Kadınların yükseköğretimde ilerlemelerini kolaylaştıran ve engelleyen faktörlerin bir karma yöntem analizi
ÖZLEM BAYKAN
Yüksek Lisans
İngilizce
2025
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. MERVE ZAYİM KURTAY