SIGAA - Sistema Integrado de Gestão de Atividades Acadêmicas

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular:	DISCIPLINA
Tipo de Disciplina:	REGULAR
Forma de Participação:	DISCIPLINA REGULAR
Unidade Responsável:	PÓS-GRADUAÇÃO EM NEUROCIÊNCIA E COGNIÇÃO (11.01.06.24)
Código:	NCG-413A
Nome:	TÓPICOS EM NEUROCIÊNCIA E COGNIÇÃO VI - MODELOS PROBABILÍSTICOS DE PROCESSOS COGNITIVOS
Carga Horária Teórica:	48 h.
Carga Horária Prática:	0 h.
Carga Horária Estudo Individual:	96 h.
Carga Horária Dedicada do Docente:	0 h.
Carga Horária Total:	144 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional:	Não
Matriculável On-Line:	Sim
Horário Flexível da Turma:	Não
Horário Flexível do Docente:	Sim
Obrigatoriedade de Nota Final:	Sim
Pode Criar Turma Sem Solicitação:	Não
Necessita de Orientador:	Não
Exige Horário:	Sim
Permite CH Compartilhada:	Não
Permite Múltiplas Aprovações:	Não
Quantidade de Avaliações:	3
Ementa/Descrição:	A disciplina pretende estabelecer as bases teóricas e práticas para compreender a modelagem computacional de processos cognitivos pelo entendimento da cognição como inferência estatística natural, conforme entendida no paradigma da percepção Bayesiana e abordagens relacionadas. Base estatística: distribuições aleatórias discretas e contínuas; probabilidade condicional e teorema de Bayes; redes Bayesianas; elementos da teoria da informação. Modelos Bayesianos: princípios conceituais de percepção como inferência Bayesiana; modelos de observador ideal; teoria de decisão Bayesiana; abordagens experimentais; estudo de exemplos; modelos para outros processos cognitivos. Extensões: modelos neurocomputacionais de inferência; mecanismos neurais de raciocínio probabilístico; codificação preditiva; inferência ativa; abordagem de energia livre. Críticas à abordagem Bayesiana da cognição. Exercícios e projeto.
Referências:	[1] Ma, W. J., Kording, K. P., & Goldreich, D. (2023). Bayesian models of perception and action: an introduction. The MIT Press. [2] Artigos e capítulos acadêmicos relacionados aos tópicos. \| Bibliografia complementar: [1] Chater, N. & Oaksford, M. (Dds.) (2008). The Probabilistic Mind: Prospects for Bayesian Cognitive Science. Oxford University Press. [2] Doya, K., Ishii, S., Pouget, A., & Rao, R. P. N. (Eds.). (2007). Bayesian brain: Probabilistic approaches to neural coding. MIT Press. [3] Griffiths, T. L., Chater, N., & Tenenbaum, J. B. (Eds.). (2024). Bayesian models of cognition: reverse engineering the mind. MIT Press. [4] Rao, R. P. N., Olshausen, B. A., & Lewicki, M. S. (Eds.). (2002). Probabilistic models of the brain: Perception and neural function. The MIT Press. https://doi.org/10.7551/mitpress/5583.001.0001. [5] Rescorla, M. (2025). Bayesian Models of the Mind. Cambridge University Press.

<< Voltar