基于可进化心理学的神经网络用于记忆行为建模
机器学习
2024-08-28 v1
摘要
记忆行为建模是认知心理学和教育中的核心议题。经典心理学理论通常使用记忆方程描述记忆行为，但其准确性不足且存在争议；而数据驱动的记忆建模方法常需大量训练数据且缺乏可解释性。知识导向的神经网络模型在诸多领域表现优异，但在行为建模领域的尝试仍较少。本文提出一种名为 PsyINN 的心理学理论导向的神经网络用于记忆行为建模，其中构建了一种结合神经网络与可微稀疏回归的框架，实现联合优化。具体而言，为解决记忆方程描述符的争议性和模糊性，提出一种基于可微分算子的描述符进化方法，以实现对描述符的精确表征和记忆理论方程的演化。此外，提出稀疏回归的缓冲机制和多模块交替迭代优化方法，有效缓解了梯度不稳定和局部最优问题。在四个大规模真实世界记忆行为数据集上，所提方法在预测准确性方面超越了当前最先进的方法。消融研究表明所提改进措施有效，应用实验展示了其在激发心理学研究潜力。
引用
@article{arxiv.2408.14492,
title = {Evolvable Psychology Informed Neural Network for Memory Behavior Modeling},
author = {Xiaoxuan Shen and Zhihai Hu and Qirong Chen and Shengyingjie Liu and Ruxia Liang and Jianwen Sun},
journal= {arXiv preprint arXiv:2408.14492},
year = {2024}
}