Computational approaches to brain mechanisms of action recognition and emotion

Abstract

Through evolution living beings have gained unique features to deal with apparently 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 to faced 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) and the 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 behavioral manifestation 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).

Evrim süreci boyunca canlılar çözümü kolay görünen fakat hesaplama gücü ve yükü bakımından yüksek problemleri çözebilmek için çok çeşitli özellikler kazanmışlardır. Bu problemlere örnek olarak eş seçimi, yeni beceriler edinme ve beklenmeyen durumlarda karar verme gösterilebilinir. Karmaşık biyolojik sistemlerin bilgi edinme, edinilen bilgiyi sonuçlandırma ve göreceli kısa zaman aralığında problem çözme becerileri hesaplamalı sinirbilim, yapay zeka ve robotik alanında çalışan araştırmacılar için ilgili literatürlerde var olan problemlerin çözümü için ilgi çekici araştırma alanı olarak öngörülmektedir. Bu tez çalışmasında makak maymunlarının beyinde yer alan F5 bölgesindeki ayna nöronlarinin sinirsel çözümlemesini ve duygu tabanlı karar vermenin hesaplama yetisi bakımından işlevselliği ve biyolojik açıdan ikna ediciliği hakkında elde edilen sonuçlara yer verilmiştir. İlk bölümde, makak maymunundan farklı deney şartlarından elde edilen sinirsel veri kümelerine, makine öğrenmesi ve istatistiksel analiz yöntemlerinin uygulanmasıyla elde edilen sonuçların detaylarına yer verilmiştir. Bu yöntemler sonucunda F5 bölgesindeki ayna nöron adayları seçilmiş ve bu nöronlarin sinirsel gösterimleri hakkında literatürde önceden elde edilmemiş bulgulara yer verilmiştir. İkinci bölümde ise temel duygulardan hemen sonra gelişen üst seviye duyguların vücut mekanizmasında var olan enerji seviyesinin değişiminin ve denetiminin işlevsellik ve biyolojik açıdan incelenmesine ve insansı robot platformu üzerinde gerçeklenmesine yer verilmiştir.