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 10 

Kolloquium 16.09.10, 10 Uhr, Raum F 380

Agnes Kotucz (BMW Group, München): Empirische Wissensgenerierung unter Einsatz von Assoziationsverfahren

Die Entwicklung heutiger Automobile erfordert zunehmend verteilte Funktionen, die im Ganzen eine neue Funktionalit?t ergeben.Für die Ingenieure bedeutet es, dass sie über zahlreiche Teilsysteme eines Fahrzeugs Wissen gewinnen müssen. Unterstützend sind hierbei entsprechende Spezifikationen. Oftmals jedoch werden diese aus zeitlichen Gründen nicht generiert oder sind unvollst?ndig, folglich sind Lücken in der Qualit?tsabsicherung m?glich.
Einen Ansatz zu nachtr?glichen Wissensgenerierung bieten empirische Analysen In Rahmen des Vortrags wird die Methode der Assoziationsregeln vorgestellt, die aus Service-und Entwicklungsdaten eines Automobilherstellers Informationen über statistisch signifikante Abh?ngigkeitsbeziehungen zwischen Teilsystemen berechnet und Entwicklungsigenieureneinen M?glichkeit für Informationsgewinnung bietet.
 

Kolloquium 07.06.10, 16 Uhr , Raum F 380

Marius Raab: Dynamic Causal Modelling in functional neuroimaging
A long and winding road: understanding, evaluating and applying a not-so-well-documented statistical approach (Profilbildungsprojekt, BA AI)

This project report gives account of my practical training at the Section for Cognitive Electrophysiology, University of Ulm. I worked full time for four months, and after that I stayed in touch with the team to continue academic research.
One main goal, and this report will mostly focus on it, was to understand a statistical technique for functional magnetic resonance imaging (fMRI) that is called Dynamic Causal Modelling. This approach, in contrast to other methods used in fMRI, uses Bayesian estimation to infer the strength of causal connections/ couplings in the brain that are influenced by experimental design.
To get a common ground, I describe the physical foundations of fMRI, and the statisti- cal methods that are used in pre-processing brain images as well in common inferential statistics for fMRI. Building on this, I sketch theoretical underpinnings of DCM. After that, I switch to a more pragmatic view, describing how I used self-generated data and mock designs to evaluate what DCM actually does; and how results could be inter- preted.
In the end, all this work was just the prerequisite for using DCM with a very exciting dataset acquired by the section's researchers. In contrast to a wide-spread belief in psy- chology, these results indicate that people store concepts (i.e. abstract notions, Begriffe) distributed in modality-specific areas, and that these concepts are constructed context- dependant. Further exploring how different brain regions coordinate and modulate this process would be a thrilling academic question.
However, at the time of writing this project report, there is one major roadblock: One "switch" in the whole course of modelling remains unclear, a rather technical one. Neither of the two options possible produces credible results, the one leading to connectivity strengths too good to be true, the other one not even detecting the direct effect of all visual stimulation together on the primary visual cortex.
Yet, work is not supposed to stop. As a next step, I will travel to Zurich to discuss my problem with one of Europe's leading fMRI researchers, Klaas Enno Stephan, who has written many articles about DCM. Hopefully, his advice will help me to tie this last loose end, and to finally use DCM as method in an academic article to come.

Kolloquium 21.06.10, 16 Uhr , Raum F 380  

Matthias Struck (Fraunhofer IIS): Regelbasierte Klassifikation von Bewegungen
 
Die Regelbasierte Klassifikation ist im Bereich der Wissenrepr?sentation und der Wissensbasierten Systeme weit verbreitet und etabliert. Grundlegend besteht ein Regelbasiertes System aus den folgenden Komponenten:
Die Datenbasis (die Menge gültiger Fakten), einer Menge von Regeln zur Ableitung neuer Fakten sowie dem sogenannten Regelinterpreter (zur Steuerung der Anwendung der Regeln). Bei der Anwendung eines Regelbasierten Systems zur Klassifikation menschlicher Bewegungen besteht die Datenbasis aus den annotierten Beschleunigungssensordaten eines triaxialen Beschleunigssensors.  Aus diesen Rohdaten werden charakteristische Merkmale im Zeit- und Frequenzraum extrahiert. Als Regelinterpreter wurde ein bin?rer Entscheidungsbaum mit 12 Knoten gew?hlt. Im Rahmen einer kleinen Studie wurden mit diesem Ansatz 7 Haltungszust?nde und 4 Aktivit?ten  klassifiziert. Durch die Verwendung spezifischer Datenbasen (z.B. differenziert nach Altersgruppe und Geschlecht) kann die Klassifikationsgüte erwartungsgem?? optimiert werden. Mit einer geschlechtsneutralen Datenbasis konnte im Rahmen dieser Arbeit eine Erkennungsrate von 88,62% erzielt werden, wohingegen die Erkennungsrate bei Nutzung einer geschlechtsspezifischen Datenbasis bereits auf 99,84% ansteigt. Zusammenfassend betrachtet konnte gezeigt werden, dass die Regelbasierte Klassifikation von Bewegungen mit nur einem Beschleunigungssensor hinreichend gute Ergebnisse erzielt und der Einsatz Wissensbasierter Methoden auf dem Forschungsfeld der Bewegungsanalyse daher eine geeignete Alternative zu den zahlreichen Mustererkennungsverfahren der Literatur darstellt.
  

Kolloquium 07.06.10, 16 Uhr , Raum F 380  

Georg Zeissner (Promotionsprojekt): A theory of consciousness as the source of human flexibility in complex problem sloving

As the previous talks helped to establish, human consciousness provides a promising explanation for the genuinely human ability to adapt ad hoc to demanding dynamic environments. The upcoming talk will present results of my PhD research which examined the mechanisms of conscious guidance of complex problem solving on a semantic level.

Twelve subjects were tasked with a complex turn-based problem in the form of running a farm in a simulated simplified eco-system. In order to obtain online data of the accompanying cognitive processes the subjects were asked to think aloud during the task. From those twelve datasets eight corner-cases were selected for detailed analysis. The resulting eight individual theories explain the course of the problem-solving process in every corner-case subject. They also help to identify acts of self-reflection or self-modification in which the subjects employ their consciousness to support and augment their automated problem-solving by making conscious judgments about the solvingprocess and influencing basic parameters and structures acccordingly. Starting from those individual theories a grounded theory of conscious guidance of complex problem solving was developed.  Among other things it explains the qualitative jumps and micro-adjustments of the individual subject as well as the interindividual differences in conscious action control. The talk will include an overview of the development of said theories, a presentation of the general theoriy of consciousness in complex problem-solving, several emprical and theoretical results as well as a short description of an attempt to model the theory in an autonomous agent.

Kolloquium 17.05.10, 16 Uhr , Raum F 380 

F. Wysotzki, TU Berlin: Grundlagenuntersuchungen zur erweiterten Modellierung des klassischen Assoziativen  Ged?chtnisses zur Darstellung von Aspekten des Episodischen Ged?chtnisses

Ausgehend von in Freuds ?Traumdeutung“ dargestellten theoretischen ?berlegungen zur Traumentstehung wurden Erweiterungen eines Modells des Assoziativen Ged?chtnisses entwickelt. Ziel ist ein tieferes Verst?ndnis von im Unbewussten ablaufenden Prozessen sowie ihrer Wechselwirkung mit dem Bewusstsein. In den von uns durchgeführten Modellierungen wurde das klassische Assoziative Ged?chtnis, 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 Ged?chtnis geht, werden zur Darstellung von (zeitlich geordneten) Situationen/Ereignissen Fillmore-Tiefenstrukturen, also symbolisch repr?sentierte 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 Intensit?t) auch zeitlich davor und dahinter liegende Ereignisse, wenn es ?berlappungen der Eingabe mit diesen gibt (z.B. denselben Aktor). Die "Intensit?t" der Reproduktion wird durch die ?hnlichkeit der eingegebenen mit der gespeicherten Situation gemessen. Durch Eingabe einer (Teil-) Situation k?nnen also ganze Episoden als "Narrativ" aufgerufen werden. 

   Die zum Aufruf eingegebenen Situationsbeschreibungen wurden durch positive bzw. negative Bewertungen erg?nzt, die wahrscheinlich neurobiologisch durch einen Zwischenprozess über Amygdala/Thalamus in Wechselwirkung mit dem assoziativen Cortex zustande kommen, wobei die negativen Bewertungen der Wirkung der Freudschen ?Zensur“ (Verdr?ngung) entsprechen. Im so erweiterten Assoziativen Ged?chtnis k?nnen auch mit den ursprünglich gespeicherten Ereignissen ev. mitgespeicherte Bewertungen ("Emotionen") in das Modell integriert werden.   Kolloquium 10.05.2010, 16 Uhr , Raum F 380

   Andreas Hirschberger (Promotions-Projekt):  Lernen von Regeln aus konstruierten Beispielen zur kommunikationsarmen Kollaboration von spezialisierten Robotern in dynamischen Umgebungen
    
   Multi-Agenten-Systeme erm?glichen das verteilte L?sen von komplexen Problemstellungen durch die Kooperation spezialisierter Einzellagenten. Die Grundlage einer Kooperation mehrerer Agenten ist die Kommunikation zur Bildung einer gemeinsamen Datengrundlage und zum Verhandeln und Vereinbaren von Einzelaufgaben. In Szenarien, in denen die explizite Kommunikation nur eingeschr?nkt m?glich ist, wie bei manchen Multi-Roboter-Szenarien in feindlichen Umgebungen, gestaltet sich die Koordination deutlich schwieriger.
   Um mit eingeschr?nkter Kommunikation und m?glichst ohne explizite Koordination durch Verhandlung kooperieren zu k?nnen, müssen die Absichten der Agenten aus deren beobachtbaren Handlungen absch?tzbar sein. Dieses Absch?tzen erfordert Vorhersagbarkeit die in dieser Arbeit durch das Verwenden von deterministischen Regeln erm?glicht werden soll. Diese Regeln legen die Absichten der Agenten, ihre Rolle im System und gegebenenfalls die zu verwendenden Spielpl?ne fest. In komplexen Szenarien lassen sich solche umfassenden Regeln kaum noch manuell festlegen, so dass man auf automatische Regelerzeugung angewiesen ist. In dieser Arbeit werden die Regeln, dem Training von menschlichen Teams nachempfunden, aus kleinen, konstruierten Beispielen erlernt, die mittels Planung gel?st werden k?nnen.

   Kolloquium 19.04.10, 16 Uhr , Raum F 380 

   Stefan Reisinger (Verteidigung der Masterarbeit):
   Simulationsgestützte Aufnahmeplanung in der
   industriellen Computertomographie
    

    Colloquium Archive

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