基于对比感知与概念处理的类人认知神经架构用于视觉抽象推理
人工智能
2023-10-23 v3
摘要
我们受人类认知启发，特别是受人类抽象推理常将感知与概念处理作为灵活、迭代且动态认知过程的一部分交织进行的观察启发，引入了一种用于解决视觉抽象推理任务的新神经架构。受此原则启发，我们的架构将视觉抽象推理建模为一个迭代的、自我对比的学习过程，追求视觉刺激的感知处理与概念处理之间的一致性。我们使用著名瑞文渐进矩阵智力测验风格的矩阵推理问题来解释这一新的对比感知-概念网络（CPCNet）如何工作。在机器学习数据集 RAVEN 上的实验表明，CPCNet 在取得比所有已发表模型更高准确率的同时，还使用了最弱的归纳偏置。我们还指出了原始 RAVEN 数据集中一个显著的、此前未被注意到的类别不平衡，并提出了 RAVEN 的新变体——AB-RAVEN——其在抽象概念方面更为平衡。
引用
@article{arxiv.2309.10532,
title = {A Cognitively-Inspired Neural Architecture for Visual Abstract Reasoning Using Contrastive Perceptual and Conceptual Processing},
author = {Yuan Yang and Deepayan Sanyal and James Ainooson and Joel Michelson and Effat Farhana and Maithilee Kunda},
journal= {arXiv preprint arXiv:2309.10532},
year = {2023}
}