Research Colloquium Cognitive Systems

General Information

The research colloquium of the CogSys group is a forum for scientific discussion between lecturers and doctorate, diploma and master students. Talks cover concepts and results of theses as well as current research in the field cognitive systems. Furthermore, current subjects of more general interest can be presented and discussed. Sometimes external researchers are invited.

If you want to be informed about current talks, please sign up for the course in the virtual campus.

In some semesters, we participate in the Monday Afternon Club (MAC) which is a joint colloquium of the groups of theory (Mendler), programming languages (Lüttgen) and cognitive systems.

 

Talks SS 12 

MAC: MO, 6-8, WP3/E09A, please sign in the VC course. 

MAC, Montag, 11.06. 2012, 17:00, WP3/E09A

Frank Jäkel, Juniorprofessor Uni Osnabrück: Categorization: From Psychology to Machine Learning and Back

Categorization is a fundamental cognitive ability. Many, if not all, so-called higher cognitive functions, like language or problem-solving, crucially depend on categorization. Correspondingly, categorization plays a central role in cognitive science and artificial intelligence. Early machine learning algorithms for categorization were inspired by psychology and neuroscience. However, today machine learning is a mature field and more recent methods are usually seen to be grounded in statistics rather than in cognitive science. Kernel methods, in particular, have gained popularity in machine learning and have proved to be successful in many applied categorization problems. I will describe how similar ideas have developed in psychology and how insights from machine learning could feed back into cognitive science.

 

Kolloquium Montag, 04.06.2012, 15:00 Uhr, Raum F 381

F. Wysotzki, TU Berlin: Lernen von Entscheidungsbäumen bei Trainingsobjekten mit objektabhängigen Kosten für Fehlentscheidungen                     

Am Beispiel eines konkreten Lernalgorithmus (CAL5) zum Klassifizierungslernen wird gezeigt, wie mit den Trainingsobjekten gegebene objekt- (bzw. situations-) abhängige Kosten für Klassenfehlentscheidungen  benutzt werden können, um kostenoptimale statt fehleroptimale Entscheidungsbäume zu lernen. Ein Anwendungsbeispiel sind optimale Entscheidungen bei der Vergabe von Krediten durch Banken. Im Vortrag wird der durch Kosten modifizierte Lernalgorithmus dargestellt, entscheidungstheoretisch begründet und über Experimente mit künstlichen und Anwendungsdatensätzen berichtet. Als  überraschendes Resultat ergibt sich, dass für die Klassentrennung objektiv irrelevante Merkmale durch die Einbeziehung von Kosten relevant werden können. Die Entscheidungsgebiete im Merkmalsraum werden für die „wichtigen“, d.h. mit hohen Kosten für Fehlentscheidungen behafteten Klassen vergrößert. Ein durch die Einbeziehung von Fehlentscheidungskosten verallgemeinertes Informationsmaß (Verallgemeinerung der Shannon-Information) bestimmt die Reihenfolge der der zu testenden Merkmale. Es ergibt sich auch eine Erklärung für bestimmte psychopathologische Phänomene, auf die ausführlicher eingegangen wird. Beispielsweise kann es durch einen automatisch einsetzenden rekursiven Prozess zu einer totalen Übergeneralisierung der  Entscheidung für die Klasse mit den größten Fehlentscheidungskosten kommen, wenn nicht rechtzeitig (vorhersagbare) äußere Gegenmaßnahmen getroffen werden.

Talks WS 11/12

Kolloquium am Mo., 23.1.2012, 14:00 s.t., F 125

Michael Kleber: What I Learned when Modeling with ACT-R (Arbeitstitel)
Abstract folgt.

Talks SS 11

MAC: MO, 5-7, WP3/E09A, please sign in the VC course. 

WIAI Fakultätskolloquium Donnerstag,  14.07. 2011, 16:00 Uhr, F384

Petra Hofstedt, Lehrstuhl für Programmiersprachen und Compilerbau, BTU Cottbus: Multi-paradigm Programming

Programmiersprachen werden an Hand ihrer Paradigmen klassifiziert, beispielsweise in imperative, funktionale, constraint-basierte, objekt- orientierte oder aspekt-orientierte Sprachen. Ein Paradigma charakterisiert dabei Programmierstil und -konzepte der Sprache und unterstützt so die Modellierung spezifischer Anwendungen. Häufig umfassen Probleme Aspekte verschiedener Paradigmen und lassen sich am besten durch die Kombination von Konzepten verschiedener Sprachen, d.h. multiparadigmatisch, ausdrücken.

Der Vortrag gibt einen Überblick über klassische und neue Entwicklungen des Gebiets der Multiparadigmen- Sprachen und stellt als aktuelles Beispiel die constraint-basierte funktionale Sprache CCFL.

Kolloquium am DI, den 12.7. 10-12 in F 125

Mark Wernsdorfer: Grounding Affordances in Hierarchical Representations of Sensorimotor Interaction

Understanding human cognition implies understanding how the mind forms hierarchical representations of the world. In this project, a reinforcement learning algorithm is developed that is capable of constructing a world model, while embracing this cognitive phenomenon. Representations of concrete concepts result from basic sensorimotor optimisation and serve themselves as elements for higher order representations of abstract concepts. Sequence recognition allows for the agent to obtain a subjective notion of causality. Categorising according to causal roles eventually allows for a functional identification of representations.
Similar approaches to hierarchical reinforcement learning try to grasp functionality (encompassing e. g. context-independency or structural invariance) either by categorising patterns in the sensorimotor structure of percepts or by precategorising functional categories. In contrast, this project proposes a process of autonomous categorisation according to the functional aspects of cognitive representations, also called affordances. The intention is to ground these affordances in the interaction between agent and environment. Semantic conveyance from architect to agent will be minimised.
The agent's performance will be evaluated in a simulated environment. Motivation and realisation of this algorithm will be presented, as well as first empirical results and possible problems.

MAC, Montag, 27.06. 2011, 17:00, WP3/E09

Stefan Betzmeir & Ute Schmid: Prototype Extraction and Classification for Trees and an Application to Incident Mining

In a cooperation with SAP we developed an approach to classify incident reports. We were given a set of incident clusters which were constructed by a domain expert. Our algorithm constructs a prototype for each cluster and a new incident is classified by similarity to prototype. Incidents are given as XML files, i.e. as trees. Instead of using the standard approach of feature extraction from trees and applying feature-based methods for classification learning, we propose an algorithm for constructing structural prototypes, i.e. for learning on tree structures. In the talk we will focus on the generic problem of aligning sets of arbitrary trees and present our preliminary results.

WIAI Fakultätskolloquium Donnerstag, 16.06. 2011, 16:00 Uhr, F384

Janis Voigtländer, Universität Bonn: Programmiersprachliche Techniken für Bidirektionale Transformation

In verschiedenen Anwendungsgebieten sind sogenannte bidirektionale Transformationen von Interesse, bestehend aus zwei Funktionen: 1.) einer Funktion "get", die eine Quelle (Dokument/Wert) auf eine Sicht abbildet (typischerweise unter Vernachlässigung von Teilen der Eingabe) und 2.) einer Funktion "put", die eine veränderte Sicht geeignet zurück in die ursprüngliche Quelle einbringt. Dabei sollen "get" und "put" bestimmte Konsistenzbedingungen (zueinander) erfüllen. Veränderung einer der beiden Funktionen führt in der Regel zur Notwendigkeit, auch die andere zu ändern (und wechselseitige Konsistenz neu zu beweisen). Es liegt daher nahe zu versuchen, stets nur eine der beiden Funktionen explizit anzugeben und die andere automatisch zu erhalten (samt Konsistenzgarantie). Mit Techniken zur Manipulation deklarativer Programme ist dies tatsächlich erreichbar. Ich stelle verschiedene Ansätze vor und gehe insbesondere auf eine erfolgreiche Kombination "syntaktischer" und "semantischer" Bidirektionalisierung ein.

Kolloquium Montag, 30.05.2011, 16:00 Uhr, Raum F 380 

F. Wysotzki, TU Berlin: Modellierung des assoziativen Gedächtnisses auf der Basis von beobachteten Traummechanismen

Ausgehend von in Freuds „Traumdeutung“ dargestellten theoretischen Überlegungen zur Traumentstehung wurden Erweiterungen des Modells des klassischen Assoziativen Gedächtnisses entwickelt. Ziel ist ein tieferes Verständnis von im Unbewussten ablaufenden Gedächtnisprozessen sowie ihrer Wechselwirkung mit dem Bewusstsein. In den von uns durchgeführten Modellierungen wurde das klassische Assoziative Gedächtnis, das aus einer über Merkmalsvektoren gebildeten Kovarianzmatrix besteht und durch „Hebbsches Lernen“ aufgebaut wird, in zweierlei Hinsicht erweitert:
1.) Da es wesentlich um das Episodische Gedächtnis geht, werden zur Darstellung von (zeitlich geordneten) Situationen/Ereignissen Fillmore-Tiefenstrukturen, also symbolisch repräsentierte semantische Situationsbeschreibungen als Merkmalsvektoren verwendet. Als ein auch für technische Anwendungen relevantes Ergebnis ergab sich, dass bei Eingabe einer bereits gespeicherten Situationsbeschreibung (bzw. eines Teiles derselben!) nicht nur diese reproduziert wird, sondern (mit geringerer Intensität) auch zeitlich davor und dahinter liegende. Durch Eingabe einer (Teil-) Situation können also ganze Episoden als "Narrativ" aufgerufen werden.
2.) Die zum Aufruf eingegebenen Situationsbeschreibungen wurden durch positive bzw. negative Situationsbewertungen ergänzt, die wahrscheinlich neurobiologisch durch einen Zwischenprozess über Amygdala/Thalamus in Wechselwirkung mit dem assoziativen Cortex zustande kommen.

 

Colloquium Archive

You find information on past talks in the Colloquium Archives [ WS 10/11]  [ SS 10]  [ WS 09/10]  [ SS 09]  [ WS 08/09]   [ SS 08]   [ WS 07/08] and the  colloquium archive (old)