利用深度神经网络建模新生雏鸡的物体识别

近年来，脑与认知科学在成熟大脑物体识别的机制性理解方面取得了重大进展。尽管有此进展，关于物体识别的起源与计算基础仍存在根本性问题。新生大脑中物体识别的学习算法是什么？由于新生动物主要通过无监督学习进行学习，我们探究无监督学习算法是否可用于预测新生雏鸡的视角不变物体识别行为。具体而言，我们使用从无监督深度神经网络（DNNs）提取的特征表示作为分类认知模型的输入。我们表明，相较于有监督特征，从无监督 DNNs 提取的特征对雏鸡行为作出了有竞争力的预测。更一般地，我们认为将可控饲养研究与图像可计算 DNN 模型相联系，为研究新生动物物体识别的起源与计算基础开辟了新实验途径。