通过强化记忆单元学习人类认知评价
计算机视觉与模式识别
2022-08-09 v1 神经与进化计算
摘要
我们提出了一种用于循环神经网络的新颖记忆增强机制，该机制利用人类认知评价在序列评估任务中的作用。我们将该记忆增强机制概念化为强化记忆单元（RMU），其包含一个评价状态以及正负两种强化记忆。两种强化记忆由更强的刺激衰减或增强，随后评价状态通过正负强化记忆的竞争进行更新。因此，RMU能够学习在刺激剧烈变化下的评价变化，从而估计人类情感体验。在视频质量评估和视频体验质量任务的实验中，所提出的强化记忆单元在循环神经网络中取得了优越性能，证明了RMU在建模人类认知评价方面的有效性。
引用
@article{arxiv.2208.03473,
title = {Learning Human Cognitive Appraisal Through Reinforcement Memory Unit},
author = {Yaosi Hu and Zhenzhong Chen},
journal= {arXiv preprint arXiv:2208.03473},
year = {2022}
}