aktiveringmodeller

Aktiveringsmodeller är teoretiska ramverk som beskriver hur stimuli, signaler eller input väcker aktivering i ett system. De används inom flera discipliner, bland annat kognitionsvetenskap, neurovetenskap, psykologi, datavetenskap och marknadsföring. En gemensam idé är att aktivering inte är ett enskilt skeende utan består av interagerande komponenter som input, tröskelvärden, aktiveringsfunktioner och spridning eller återhämtning av aktivitet.

Gemensamma begrepp i aktiveringsmodeller är input, tröskelvärden och aktiveringsfunktioner som avgör om en given enhet eller nod aktiveras. Spridning av aktivitet genom nätverk eller kopplingar, samt mekanismer för återhämtning eller inhibering, är vanliga inslag. Aktiveringsfunktioner kan vara deterministiska eller probabilistiska och kan vara funktioner som sigmoid eller ReLU i tekniska implementationer. Inom neurala och kognitiva modeller används ofta dynamiska regler för hur aktivering utvecklas över tid.

Typiska kategorier av modeller inkluderar tröskelmodeller där aktivering uppstår när summan av inpåverkningar överstiger ett värde; spridningsaktiveringsmodeller där aktiviteten överförs från en nod till andra; och dynamiska aktiveringsmodeller som beskriver tidsförloppet med differentialekvationer eller andra tidsbaserade regler. Inom kognitiv vetenskap och artificiell intelligens används även nätverksbaserade och probabilistiska varianter.

Användningar av aktiveringsmodeller inkluderar förklaringar av uppmärksamhet, minnesretrieval, motorisk aktivering, och i marknadsföring hur kunder aktiveras eller engageras i kampanjer. Modellerna är verktyg för att förstå hur små input kan leda till större systemiska responser, men deras tillgångar beror på antaganden och tillgängliga data.

Se även: neurala nätverk, signalbehandling, dynamisk systemteori, kognitiv modellering.