MindModeling@Home
 interaktiv skärmsläckare
| |
| Initial release | 17 mars 2007 |
|---|---|
| Utvecklingsstatus | Inaktiv |
| Operativ system | Cross-plattform |
| Plattform | BOINC |
| Genomsnittlig prestanda | 1 800 GFLOPS , |
| Aktiva användare | 1 900 |
| Totalt antal användare | 8 600 |
| Aktiva värdar | 2 800 |
| Totalt värdar | 24 500 |
| Hemsida | |
MindModeling@Home är ett ideellt, frivilligt datorforskningsprojekt för att främja kognitionsvetenskap . MindModeling@Home är värd av Wright State University och University of Dayton i Dayton, Ohio.
I BOINC är det inom området kognitiv vetenskap och kategori som kallas kognitiv vetenskap och artificiell intelligens. Det kan bara fungera på ett 64-bitars operativsystem, helst på en dator med flera kärnor som kör ett Microsoft Windows , Mac OS X eller Linux operativsystem. Det här projektet är inte kompatibelt med mobila enheter, till skillnad från andra projekt på BOINC.
Forskningsfokus
- N-2 Upprepning: förstå hur människor har svårare att återgå till en uppgift från en annan
- Att observera hur människor läser genom sina ögonrörelser i syfte att hjälpa människor att minska ögonbelastningen och bearbeta det de läser bättre och snabbare.
- Modellera beslutsfattande: lösa beslut som fattas från visuell bearbetning (fokus och filtrering)
- Integrated Learning Models (ILM) för att skapa algoritmer baserade på hur människor lär sig och fattar beslut
- Hur hjärnan utför uppgifter sekventiellt och samtidigt genom att mäta sitt blodflöde
Problem
- Dess status är inaktiv. Den är dock "inte nere eller stängd", eftersom dess servrar fortfarande körs.
- Projekten är långa; långa mängder datortid kan överhetta en dator. Lösningen är att avbryta arbetet med projektet tills datorn svalnat.
- Det är föremål för strömavbrott, som sågs den 7 oktober 2018
- När webbplatsen kommer att gå ur betaläget är olöst, eftersom det har pågått så här sedan 2007
Vetenskapliga resultat
- Godwin HJ, Walenchok S. et al. Snabbare än avvisningshastigheten: Objektidentifieringsprocesser under visuell sökning efter flera mål. J Exp Psychol Hum Percept Perform. 41-4, (2016).
- Moore LR, Gunzelmann G. En interpolationsmetod för att anpassa beräkningsintensiva modeller. Cognitive Systems Research 19, (2014).
- Moore LR Kognitiv modellutforskning och optimering: en ny utmaning för beräkningsvetenskap. Comput Math Organ Theory 17, 296–313. (2011).
- Moore LR, Kopala M., Mielke T. et al. Samtidig prestandautforskning och optimerad sökning med volontärberäkning. 19:e ACM International Symposium on High Performance Distributed Computing, (2010).
- Harris J., Gluck KA, Moore LR MindModeling@Home. . . och överallt där du har inaktiva processorer. 9:e internationella konferensen om kognitiv modellering, (2009).
- Gluck K., Scheutz M. Combinatorics möter processorkraft: Storskaliga beräkningsresurser för BRIMS . 16:e konferensen om beteenderepresentation vid modellering och simulering, BRIMS. 1. 73-83. (2007).
Se även
externa länkar
-
Officiell hemsida
- BOINC
- på YouTube
- på YouTube
