Redes aprender a gestionar las emociones

En este momento estás viendo Redes aprender a gestionar las emociones

Ejemplos de comprensión de las emociones

Cada vez que categorizas con conceptos, tu cerebro crea muchas predicciones que compiten entre sí mientras es bombardeado por la información sensorial. ¿Qué predicciones deberían ser las ganadoras? ¿Qué información sensorial es importante y cuál es sólo ruido? Tu cerebro tiene una red que te ayuda a resolver estas incertidumbres, conocida como red de control. Los científicos han identificado tres redes intrínsecas que se superponen para este fin (por ejemplo, Power et al. 2011).
Las tres redes tienen regiones cerebrales en común (incluyendo el córtex prefrontal ventrolateral, o el área de Broca y la porción dorsal de la ínsula anterior) y a menudo trabajan juntas (cuando se denominan red de «tarea positiva» o red de «demanda múltiple»)[6][7] Todavía es un área de investigación activa determinar si las tres redes cumplen funciones diferentes, pero parece que la red de atención dorsal podría ser más específica para la atención visual y el procesamiento de los errores de predicción visual. La red de control frontoparietal podría gestionar las predicciones en diferentes escalas de tiempo. La red de saliencia puede gestionar los errores de predicción de forma más general (prediciendo qué errores son importantes para aprender porque afectan a su presupuesto corporal)[8].

Redes aprender a gestionar las emociones 2020

La regulación de las emociones es vital para el comportamiento adaptativo en un entorno social. Se pueden adoptar diferentes estrategias para lograr una regulación exitosa de las emociones, que van desde el control atencional (por ejemplo, la distracción) hasta el cambio cognitivo (por ejemplo, la reevaluación). Sin embargo, son escasas las pruebas que comparan las diferentes estrategias de regulación con respecto a sus mecanismos neurales y sus efectos en la experiencia emocional. Por lo tanto, comparamos directamente la reevaluación y la distracción en un estudio de imágenes de resonancia magnética funcional con imágenes emocionales. En la condición de distracción, los participantes realizaron una tarea aritmética, mientras que reinterpretaron la situación emocional durante la reevaluación para reducir la intensidad emocional. Ambas estrategias consiguieron reducir las valoraciones subjetivas del estado emocional y disminuyeron la actividad en la amígdala bilateral. Sin embargo, los contrastes directos mostraron una mayor disminución de la actividad de la amígdala en el caso de la distracción en comparación con la reevaluación. Mientras que ambas estrategias se basaron en áreas de control comunes en la corteza prefrontal medial y dorsolateral y parietal inferior, la corteza orbitofrontal se activó selectivamente para la revaloración. En cambio, el cíngulo anterior dorsal y los grandes grupos de la corteza parietal se activaron en la condición de distracción. Los patrones de conectividad funcional de la activación de la amígdala confirmaron el papel de estas activaciones específicas para las dos estrategias de regulación de la emoción.

Gestión de las emociones

El análisis de sentimientos y emociones es una herramienta fundamental para la agregación de conocimientos y la interacción con las personas. Al pasar de la era industrial, en la que la riqueza se mide en capital, a la era de la información, Barbara Endicott-Popovsky sugiere que el conocimiento será la nueva medida de la riqueza [1]. Según Addleson, la gestión del conocimiento suele adoptar dos enfoques: centrarse en las personas como trabajadores del conocimiento o en las herramientas y los datos [2]. Con el rápido desarrollo de las redes neuronales, estos dos enfoques de la gestión del conocimiento pueden fusionarse, ya que las máquinas se convierten en los trabajadores del conocimiento. A medida que las máquinas asuman el papel de trabajadores del conocimiento, aumentará la necesidad de que las máquinas reconozcan las emociones y los sentimientos. Los métodos actuales para que las máquinas distingan los sentimientos y las emociones utilizan redes neuronales artificiales. En este artículo se analizan las redes neuronales artificiales y su uso en el análisis de las emociones y los sentimientos, así como el modo en que estas tecnologías pueden permitir que las máquinas sean una parte más integral de la gestión del conocimiento y del ámbito cibernético.

Qué es entender las emociones

En el siglo XIX, algunos diseñadores europeos propusieron que el propósito fundamental del diseño es servir a las personas. El diseño debe estar orientado a las personas y enfatizar la importancia de éstas en la composición del diseño. Si el diseño sólo tiene una buena apariencia, pero no tiene practicidad y funcionalidad, entonces el diseño no es una obra cualificada. Especialmente en la sociedad actual, la gente ha empezado a perseguir objetivos espirituales. Los diseñadores deben centrarse activamente en la experiencia del usuario y hacer hincapié en las funciones de la experiencia del usuario en el diseño. Sólo así, el diseño es lo que la sociedad necesita y reconoce. Por lo tanto, la experiencia del usuario se ha convertido en un elemento extremadamente importante, y es la clave a la que cualquier diseñador debe prestar atención. La relación entre la experiencia del usuario y el diseño de interacción se muestra en la figura 1.
(1) Se utiliza un modelo LSTM mejorado para la extracción de características del habla. El LSTM mejorado añade una conexión de mirilla. En la estructura LSTM original, el estado de la unidad anterior c<t-1> se conecta a la puerta de olvido y a la puerta de entrada, y el estado de la unidad anterior se añade a la puerta de olvido y a la puerta de entrada. Cálculo. El estado actual no perderá la información obtenida por el estado superior, y la salida en el momento siguiente será más específica y completa.