مدلسازی شناختی - محاسباتی تصمیم‌گیری پویا با استفاده از شبکه‌های پیوندگرا

در این مطالعه به مدلسازی محاسباتی پیوندگرای تصمیم‌گیری پرداخته شده است. مهمترین مناطق تصمیم‌گیری در مغز، عبارتند از تالاموس، کورتکس پیش پیشانی و آمیگدال. مدل محاسباتی پیوندگرا با سه بخش که نماینده این سه منطقه است بر پایه آزمون برد و باخت آیوا ساخته شد. در مطالعات بسیاری از آزمون آیوا برای بررسی تصمیم‌گیری هیجانی استفاده شده است. در تصمیم‌گیری هیجانی و مبتنی بر احساسات نقش آمیگدال بسیار اساسی است و انتظار می رود مدلی دو بخشی (نماینده تالاموس و آمیگدال) و بدون وجود پردازش های کورتکس نیز بتواند تصمیم‌گیری در این آزمون را مدل کند، هر چند که از منظر ریاضی تنها وجود همین دو بخش در مدل (مفاهیم مستخرج از آزمون و عناصر تابع ارزش) برای پیشبینی تصمیمات شرکت کنندگان کافی است. با استفاده از روش نمونه‌گیری در دسترس، از 56 نفر شرکت کننده متشکل از 20 مرد و 36 زن با میانگین سنی 43.52 سال خواسته شد در آزمون تصمیم‌گیری آیوا شرکت کنند. پس از آن هر دو مدل برای این افراد اجرا شد و نتایج مقایسه شد تا مشاهده شود کدامیک تطابق بیشتری با انتخاب های آزمون دهندگان دارد. یافته های تحقیق نشان می دهند مدل دو بخشی 62.57 و مدل سه بخشی منجر به پیش بینی 68.46 درصدی انتخاب‌های آزمون دهندگان شده است که این اختلاف معنی دار بود. در نتیجه می‌توان گفت پردازش های کورتکس در این نوع تصمیم‌گیری نیز نقش بسزایی دارد.

Computational modeling of dynamic decision making using connectionist networks

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 rsquo;s of participant rsquo;s decisions and the 3parts model has 68.46 Percent rsquo;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.