Computational approaches to brain mechanisms of action recognition and emotion

Abstract

Evrim süreci boyunca canlılar çözümü kolay görünen fakat hesaplama gücü ve yükübakımından yüksek problemleri çözebilmek için çok çesitli özellikler kazanmışlardır.Bu problemlere örnek olarak eş seçimi, yeni beceriler edinme ve beklenmeyen durumlardakarar verme gösterilebilinir. Karmaşık biyolojik sistemlerin bilgi edinme,edinilen bilgiyi sonuçlandırma ve göreceli kısa zaman aralığında problem çözme becerilerihesaplamalı sinirbilim, yapay zeka ve robotik alaninda calışan araştırmacılariçin ilgili literatürlerde var olan problemlerin çözümü için ilgi çekici araştırma alanıolarak öngörülmektedir. Bu tez çalışmasında makak maymunlarının beyinde yeralan F5 bölgesindeki ayna nöronlarinin sinirsel çözümlemesini ve duygu tabanlı kararvermenin hesaplama yetisi bakımından işlevseliği ve biyolojik açıdan ikna ediciliğihakkında elde edilen sonuçlara yer verilmiştir. İlk bölümde, makak maymunundanfarklı deney şartlarından elde edilen sinirsel veri kümelerine, makine öğrenmesi veistatistiksel analiz yöntemlerinin uygulanmasıyla elde edilen sonuçların detaylarına yerverilmiştir. Bu yöntemler sonucunda F5 bölgesindeki ayna nöron adayları seçilmiş vebu nöronlarin sinirsel gösterimleri hakkında literaturde önceden elde edilmemiş bulgularayer verilmiştir. İkinci bölümde ise temel duygulardan hemen sonra gelişen üstseviye dugyuların vücut mekanizmasında var olan enerji seviyesinin değişiminin vedenetiminin işlevsellik ve biyolojik acidan incelenmesine ve insansı robot platformuüzerinde gerçeklenmesine yer verilmiştir.

Through evolution living beings have gained unique features to deal withapparently easy but computationally expensive problems such as mate selection, learning sensorimotor skills and decision making. Thus, understanding how a biological system can process sensory information, interpret the probable results and find a solution in relatively short time tofaced problems have become an attractive research area for computational neuroscience,artificial intelligence (AI) and robotics. In this thesis we focused on mirror neurons in the ventral premotor cortex (area F5) andthe functional aspects of emotions from a computational but biologically plausible way. In the former part, the raw neural firing data from area F5 of macaque monkeys are analyzed to undercover neural representation using a decoding framework. For this, we propose two methods to detect mirror neurons by using machine learning and statistical analysis techniques. In the later part, we present that higher level emotions (those that have putatively evolved after the basic emotions of fear, anger etc.) are the behavioralmanifestation of self-regulation mechanisms of computational (neuronal) energy expenditure for cognitive processing. To realize this proposal, we chose a tractable computational mechanism that may be considered as a model of neural computation mechanisms of the brain and deploy it on a robotic platform(Darwin-OP).