مدلسازي شناختي - محاسباتي تصميم‌گيري پويا با استفاده از شبكه‌هاي پيوندگرا

Computational Modeling of Dynamic Decision Making Using Connectionist Networks

در اين مطالعه به مدلسازي محاسباتي پيوندگراي تصميم‌گيري پرداخته شده است. مهمترين مناطق تصميم‌گيري در مغز، عبارتند از تالاموس، كورتكس پيش پيشاني و آميگدال. مدل محاسباتي پيوندگرا با سه بخش كه نماينده اين سه منطقه است بر پايه آزمون برد و باخت آيوا ساخته شد. در مطالعات بسياري از آزمون آيوا براي بررسي تصميم‌گيري هيجاني استفاده شده است. در تصميم‌گيري هيجاني و مبتني بر احساسات نقش آميگدال بسيار اساسي است و انتظار مي رود مدلي دو بخشي (نماينده تالاموس و آميگدال) و بدون وجود پردازش هاي كورتكس نيز بتواند تصميم‌گيري در اين آزمون را مدل كند، هر چند كه از منظر رياضي تنها وجود همين دو بخش در مدل (مفاهيم مستخرج از آزمون و عناصر تابع ارزش) براي پيش بيني تصميمات شركت كنندگان كافي است. با استفاده از روش نمونه‌گيري در دسترس، از 56 نفر شركت كننده متشكل از 20 مرد و 36 زن با ميانگين سني 43/52 سال خواسته شد در آزمون تصميم‌گيري آيوا شركت كنند. پس از آن هر دو مدل براي اين افراد اجرا شد و نتايج مقايسه شد تا مشاهده شود كداميك تطابق بيشتري با انتخاب هاي آزمون دهندگان دارد. يافته هاي تحقيق نشان مي دهند مدل دو بخشي 62/57 و مدل سه بخشي منجر به پيشبيني 68/46 درصدي انتخاب‌هاي آزمون دهندگان شده است كه اين اختلاف معني دار بود. در نتيجه مي‌توان گفت پردازش هاي كورتكس در اين نوع تصميم‌گيري نيز نقش بسزايي دارد.

In this research connectionist modeling of decision making has been presented. Important areas for decision making in the brain are thalamus, prefrontal cortex and Amygdala. Connectionist modeling with 3 parts representative for these 3 areas is made based the result of Iowa Gambling Task. In many researches Iowa Gambling Task is used to study emotional decision making. In these kind of decision making the role of Amygdala is so important and we expect that a model with two parts (thalamus and Amygdala) can have the best result in modeling participants decisions without considering any part for cortex process. For this purpose 56 participants composed of 20 men and 36 women wanted to do Iowa Gambling Task. Results show that the networks related to two parts model predict 62.57 Percent’s of participant’s decisions and the 3parts model has 68.46 Percent’s of that. In conclusion it can be said that three parts modeling has been more success than mathematical two parts model in predicting the performance of participants and the difference is significant. In other words cortex role in this kind of decision making is quite important.