Opetus / Undervisning / TeachingKevät 2017: Algebralliset rakenteet I ja II Kevät 2016: Computational Cognitive Neuroscience (together with Aapo Hyvärinen) Helmikuu 2014: Mathematics of Neural Networks Kesä 2012: Mitta ja integraali Syksy 2011: Topologia I (opettajalinja). Kanditöiden ohjaus / supervision of bachelor theses 2016:(English below) Vuonna 2016 haluan ohjata 2-3 kanditutkielmaa matematiikan sovelluksista kognitiiviseen mallintamiseen. Olen avoin ehdotuksille, mutta pääasiassa minua kiinnostaa havainnointi ja eri aisteista tulevan informaation integrointi (multimodal integration). Eräs yleisimmin käytetyistä matemaattisista metodeista näissä malleissa on Bayesilainen tilastotiede, mutta muutakin matematiikkaa kuten dynaamisia systeemejä, lineaarialgebraa ja logiikkaa näkee paljon sovelluksissa. Ajattelen sen menevän suunilleen näin: opiskelija valitsee yhden tai kaksi artikkelia, joissa matemaattisia menetelmiä käytetään kognitiivisessa mallintamisessa ja käy huolellisesti läpi matemaattiset yksityiskohdat ja todistukset painottaen taustalla olevaa sovellusta ja motivaatiota. Olen avoin myös muunlaisille kandityöaiheille, mutta kaikki mikä littyy koginitioon ja aivoihin saa prioriteettiaseman. Tässä on esimerkkiartikkeleita: Bayes: Marc O. Ernst* & Martin S. Banks: Humans integrate visual and haptic information in a statistically optimal fashion,
Neil M.T. Houlsby et al.: Cognitive Tomography Reveals Complex, Task-Independent Mental Representations (Alkeellinen) funktionaalianalyysi ja tilastotiede: Alexandre Pouget, Terrence J. Sejnowski: Spatial Transformations in the Parietal Cortex Using Basis Functions
Alexandre Pouget et al.: A computational perspective on the neural basis of multisensory spatial representations Dynaamiset systeemit: Randall D. Beer and Paul L. Williams: Information Processing and Dynamics in Minimally Cognitive Agents
T. Ikegami and H. Iizuka: Joint attention and dynamics repertoire in coupled dynamical recognizers. ************English************* In 2016 I want to supervise 2-3 bachelor theses on mathematical applications to cognitive modelling. I am quite open for suggestions, but am mainly interested in perception and multimodal integration. One of the typical mathematical areas in these models is Bayesian statistics, but there are also applications of other mathematics such as dynamical systems, linear algebra and logic to cognition. I picture it like this: The student will choose one or two publications which use mathematics to model cognitive phenomena. Then the student will go through the mathematical theory, details and proofs which are most likely omitted in the publication(s) together with an explanation of the motivating application. I am open to all suggestions and willing to consider a broad range of other topics for a thesis. Everything that is related to cognition and the brain (and necessarily mathematics) has a priority, however. Here are some examples of articles where Bayesian statistics, basic functional analysis and dynamical systems are used for cognitive modelling: Bayes: Marc O. Ernst* & Martin S. Banks: Humans integrate visual and haptic information in a statistically optimal fashion,
Neil M.T. Houlsby et al.: Cognitive Tomography Reveals Complex, Task-Independent Mental Representations Functional analysis (basics) and statistics: Alexandre Pouget, Terrence J. Sejnowski: Spatial Transformations in the Parietal Cortex Using Basis Functions
Alexandre Pouget et al.: A computational perspective on the neural basis of multisensory spatial representations Dynamical systems: Randall D. Beer and Paul L. Williams: Information Processing and Dynamics in Minimally Cognitive Agents
T. Ikegami and H. Iizuka: Joint attention and dynamics repertoire in coupled dynamical recognizers. |