用争议性刺激区分表征几何：贝叶斯实验设计及其在人脸差异性判断中的应用
神经元与认知
2022-11-29 v1 人工智能
神经与进化计算
应用统计
摘要
比较神经网络层与人类大脑表征或行为判断对复杂刺激的表征，可以指导模型开发。然而，即使是性质上截然不同的神经网络模型，也常常预测出典型刺激集的相似表征几何。我们提出了一种贝叶斯实验设计方法，用于合成刺激集，以高效地在表征模型之间做出裁决。我们应用该方法来区分行为人脸差异性判断的候选神经网络模型。我们的结果表明，一个经过训练以反转 3D 人脸模型图形渲染器的神经网络，比使用相同架构但在识别、分类或自编码任务上训练的模型更符合人类判断。我们提出的刺激合成目标函数普遍适用于设计那些将通过表征相似性分析进行模型比较的实验。
引用
@article{arxiv.2211.15053,
title = {Distinguishing representational geometries with controversial stimuli: Bayesian experimental design and its application to face dissimilarity judgments},
author = {Tal Golan and Wenxuan Guo and Heiko H. Schütt and Nikolaus Kriegeskorte},
journal= {arXiv preprint arXiv:2211.15053},
year = {2022}
}