神经网络模型中学习诱导的类别知觉
机器学习
2018-05-15 v1 机器学习
摘要
在人类认知中， perceived的类别间距离扩大与类别内距离压缩被称为类别知觉（CP）。关于CP的成因有若干假设（如语言、学习、进化），但尚无功能性模型。CP对于分类是必不可少的还是仅为分类的副产品尚不清楚，但证据正累积表明CP可由类别学习诱导。我们提供了一个学习诱导CP的模型，作为神经网络隐单元空间中距离的扩大与压缩。描述了当前模型预测CP的基本条件，并初步揭示了这些条件如何推广到更复杂分类类型的线索。
引用
@article{arxiv.1805.04567,
title = {Learning-induced categorical perception in a neural network model},
author = {Christian Thériault and Fernanda Pérez-Gay and Dan Rivas and Stevan Harnad},
journal= {arXiv preprint arXiv:1805.04567},
year = {2018}
}
备注
20 pages, 16 figures, 26 references