Forschungsprojekte der Professur
Konnektionistische Modelle der Häufigkeits- und Zeitschätzung
| Das menschliche Gehirn besteht aus einem großen Netzwerk von miteinander verbundenen Neuronen. Der Konnektionismus nutzt diese Idee als Inspiration um kognitive Prozesse als die Veränderung von Verbindungsstärken zwischen neuronartigen Objekten zu modellieren. Dieser Ansatz, auch bekannt als Gehirnmetapher oder künstliche neuronale Netze, besteht in der Psychologie seit mehreren Jahrzehnten und wird insbesondere für die Modellierung von Wahrnehmungs-, Lern und Gedächtnisprozessen verwendet. Im Vergleich zu alternativen Ansätzen der Psychologie, sind künstliche neuronale Netze formalisiert und prinzipiell biologisch überprüfbar. Im Projekt Konnektionistische Modelle der Häufigkeits- und Zeitschätzung modellieren wir typische Phänomene der Urteilsforschung mit Hilfe einfacher künstlicher neuronaler Netze. Das Projekt umfasst empirisch-experimentelle Forschung zur Häufigkeits- und Zeitschätzung, Theoriearbeit durch konnektionistische Modellierung sowie die Entwicklung von Software für Forscher, die mit künstlichen neuronalen Netzen im Allgemeinen und speziell unseren Modellen arbeiten möchten. |  |
Leitung: Prof. Dr. Peter Sedlmeier
Kooperationspartner: Prof. Dr. Fred Hamker (Professur Künstliche Intelligenz)
Mitarbeiter: Markus Burkhardt, Johannes Titz
Publikationen:
Burkhardt, M. (2020). JoF: Modelling and Simulating Judgments of Frequency. R package version 0.1.0. Zugriff unter https://CRAN.R-project.org/package=JoF
Titz, J. (2019). Passt: Probability Associator Time (PASS-T). R package version 0.1.0. Zugriff unter https://CRAN.R-project.org/package=passt
Titz, J. (2017). leabRa: The artificial neural networks algorithm Leabra. R packageversion 0.1.0. Zugriff unter https://CRAN.R-project.org/package=leabRa
