Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "pamięć długotrwała" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Pamięć autobiograficzna
Autobiographical memory
Autorzy:
Walczak, Aleksandra
Wiśniewska, Barbara
Powiązania:
https://bibliotekanauki.pl/articles/945132.pdf
Data publikacji:
2011
Wydawca:
Medical Communications
Tematy:
autobiographical memory
declarative memory
episodic memory
long-term memory
semantic memory
pamięć autobiograficzna
pamięć deklaratywna
pamięć długotrwała
pamięć epizodyczna
pamięć semantyczna
Opis:
The term of autobiographical memory (AM) started to occur in scientific papers in the eighties of the 20th century. It has been defined by Tulving as a memory of individual past and mostly described as long-term, declarative memory. It comprises episodic and semantic elements, some researchers even claim that AM is a special case of episodic memory. The aim of this study is to introduce the issue of AM along with its chosen concepts, functions, neurobiological basis and assessment methods. The most popular concepts of AM have been described in this paper. In the first one a distinct influence of Tulving’s division of declarative memory into episodic and semantic memory is shown. The author of the second concept claims that AM comprises autobiographical memories and autobiographical database. This study describes also the functions of AM with the classification presented by Maruszewski, choosing such functions as informative, communicative, interpersonal, motivating-emotional and organizational one. The parts of brain structures responsible for its correct functioning, i.a. hippocampus or thalamus have also been characterised along with the results of its malfunctioning as well as chosen assessment methods of AM, which are i.a. the oldest – Galton technique, Crovitz and Schiffman technique, Autobiographical Memory Interview (AMI) and the Autobiographical Memory Test (AMT). Despite the fact that the term of AM is relatively new, it is the subject of interest of many researchers, which shows its great role in human life, if only because it enables the establishment and maintenance of relations with other people.
Pojęcie pamięć autobiograficzna (PA) pojawiło się w dysertacjach naukowych w latach 80. XX wieku. Jest ono definiowane jako pamięć indywidualnej przeszłości, którą zalicza się głównie do pamięci trwałej, deklaratywnej. Składa się z elementów epizodycznych i semantycznych, a niektórzy badacze wręcz określają PA jako specjalny przypadek pamięci epizodycznej. Celem niniejszej pracy jest przybliżenie pojęcia PA wraz z jej wybranymi koncepcjami, funkcjami, neurobiologicznymi podstawami oraz metodami badania. W pracy zostały przedstawione najpopularniejsze sposoby rozumienia PA. W pierwszej opisanej koncepcji widać wyraźny wpływ dokonanego przez Tulvinga podziału pamięci deklaratywnej na epizodyczną i semantyczną, w drugiej zaś następuje podział składowych PA na wspomnienia autobiograficzne oraz bazę danych autobiograficznych. W niniejszej pracy przedstawiono także funkcje PA, w tym między innymi ich podział zaprezentowany przez Maruszewskiego na takie jak: informacyjna, komunikacyjna, interpersonalna, motywacyjno-emocjonalna oraz organizacyjna. Opisano również struktury odpowiedzialne za właściwe funkcjonowanie tejże pamięci, między innymi hipokamp oraz wzgórze, a także skutki ich uszkodzenia. Scharakteryzowano wybrane metody badania pamięci autobiograficznej, między innymi najstarszą metodę swobodnych skojarzeń Galtona, metodę kierowanych skojarzeń Crovitza i Schiffmana, wywiad do badania pamięci autobiograficznej (AMI) oraz test do badania pamięci autobiograficznej (AMT). Choć pojęcie PA jest relatywnie nowe, stanowi przedmiot zainteresowania wielu badaczy, co świadczy o jego doniosłej roli w życiu człowieka, choćby ze względu na umożliwienie nawiązywania i podtrzymywania kontaktów z innymi.
Źródło:
Psychiatria i Psychologia Kliniczna; 2011, 11, 1; 51-54
1644-6313
2451-0645
Pojawia się w:
Psychiatria i Psychologia Kliniczna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Investment risk assessment based on the long-term memory parameter
Autorzy:
Zeug-Żebro, Katarzyna
Powiązania:
https://bibliotekanauki.pl/articles/1878517.pdf
Data publikacji:
2020
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
long-term memory
financial time series
investment risk
local Whittle estimator
pamięć długotrwała
finansowe szeregi czasowe
ryzyko inwestycyjne
Opis:
Purpose: The presence of a long-term memory component in a time series means that even very distant observations exert a certain influence on subsequent implementations of the process. Generally, this relationship is not particularly strong, but it does exist. Interpreting this phenomenon in the context of financial time series, one can come to the conclusion that information that has affected the market some time ago may still be important for the current quotation. The article is devoted to checking the existence of a long-term memory in the financial time series and assessing the investment risk of these series based on the long-term memory parameter. Design/methodology/approach: In order to study the phenomenon of long-term memory in financial time series, the local Whittle estimator was used, while the investment risk assessment was carried out using the fractal dimension, β-coefficient and standard deviation of rates of return. Findings: In the first part of the study the author indicated time series which were characterized by the phenomenon of long-term memory. Then, on the basis of selected measures, the risk of investment was estimated and shares with the least risk were indicated. Research limitations/implications: The results obtained for selected measures showed discrepancies between the shares with the highest and the lowest level of investment risk. Although the results obtained do not give a definite answer which risk measure is more effective, they encourage the use of other measures related to the phenomenon of long-term memory. Practical implications: Application in portfolio analysis. Originality/value: The use of the long-term memory parameter to assess the investment risk of shares.
Źródło:
Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska; 2020, 144; 671-680
1641-3466
Pojawia się w:
Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Urban traffic crash analysis using deep learning techniques
Analiza kolizji w ruchu miejskim z wykorzystaniem technik głębokiego uczenia
Autorzy:
Sobhana, Mummaneni
Vemulapalli, Nihitha
Mendu, Gnana Siva Sai Venkatesh
Ginjupalli, Naga Deepika
Dodda, Pragathi
Subramanyam, Rayanoothala Bala Venkata
Powiązania:
https://bibliotekanauki.pl/articles/27315440.pdf
Data publikacji:
2023
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
classification
gated recurrent unit
long-short term memory
multilayer perceptron
recurrent neural network
road accidents
klasyfikacja
pamięć długotrwała
pamięć krótkotrwała
perceptron wielowarstwowy
rekurencyjna sieć neuronowa
wypadki drogowe
Opis:
Road accidents are concerningly increasing in Andhra Pradesh. In 2021, Andhra Pradesh experienced a 20 percent upsurge in road accidents. The state's unfortunate position of being ranked eighth in terms of fatalities, with 8,946 lives lost in 22,311 traffic accidents, underscores the urgent nature of the problem. The significant financial impact on the victims and their families stresses the necessity for effective actions to reduce road accidents.This study proposes a framework that collects accident data from regions, namely Patamata, Penamaluru, Mylavaram, Krishnalanka, Ibrahimpatnam,and Gandhinagar in Vijayawada(India)from 2019 to 2021. The dataset comprises over 12,000 records of accident data. Deep learning techniquesare applied to classify the severity of road accidents into Fatal, Grievous, and Severe Injuries. The classification procedure leverages advanced neural network models, including the Multilayer Perceptron, Long-Short Term Memory, Recurrent Neural Network, and Gated Recurrent Unit. These modelsare trained on the collected data to accurately predict the severity of road accidents. The project study to make important contributions for suggesting proactive measures and policies to reduce the severity and frequency of road accidents in Andhra Pradesh.
Liczba wypadków drogowych w Andhra Pradesh niepokojąco rośnie. W 2021 r. stan Andhra Pradesh odnotował 20% wzrost liczby wypadków drogowych. Niefortunna pozycja stanu, który zajmuje ósme miejsce pod względem liczby ofiar śmiertelnych, z 8946 ofiarami śmiertelnymiw 22311 wypadkach drogowych, podkreśla pilny charakter problemu. Znaczący wymiar finansowy dla ofiari ich rodziny podkreśla konieczność podjęcia skutecznych działań w celu ograniczenia liczby wypadków drogowych. W niniejszym badaniu zaproponowano system gromadzenia danych o wypadkachz regionów Patamata, Penamaluru, Mylavaram, Krishnalanka, Ibrahimpatnam i Gandhinagar w Vijayawada (India) w latach 2019–2021. Zbiór danych obejmuje ponad 12 000 rekordów danych o wypadkach. Techniki głębokiego uczenia są stosowane do klasyfikowania wagi wypadków drogowychna śmiertelne, poważne i ciężkie obrażenia. Procedura klasyfikacji wykorzystuje zaawansowane modele sieci neuronowych, w tymwielowarstwowy perceptron, pamięć długoterminową i krótkoterminową, rekurencyjną sieć neuronową i Gated Recurrent Unit. Modele te są trenowane na zebranych danych w celu dokładnego przewidywania wagi wypadków drogowych. Projekt ma wnieść istotny wkład w sugerowanie proaktywnych środków i polityk mających na celu zmniejszenie dotkliwości i częstotliwości wypadków drogowych w Andhra Pradesh.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 3; 56--63
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies