认知概率模型的神经实现
神经与进化计算
2021-07-02 v2 神经元与认知
摘要
认知的贝叶斯模型假设人脑通过表示概率分布并应用贝叶斯规则来为可用数据找到最佳解释，从而理解数据。理解概率模型背后的神经机制仍然很重要，因为贝叶斯模型提供了一个计算框架，而非指定机械过程。在此，我们提出一种确定性神经网络模型，该模型从可观察事件中估计并表示概率分布——一种与概率匹配概念相关的现象。我们的模型学会表示概率，而无需从外部世界接收任何关于它们的表示，而是通过体验单个事件的发生模式。我们将概率匹配的神经网络实现与施加贝叶斯规则的神经模块配对，形成了一种模拟人类贝叶斯学习和推理的综合神经方案。我们的模型还对基础概率忽略（一种对贝叶斯的显著偏离）提供了新的解释。
引用
@article{arxiv.1501.03209,
title = {Neural Implementation of Probabilistic Models of Cognition},
author = {Milad Kharratzadeh and Thomas R. Shultz},
journal= {arXiv preprint arXiv:1501.03209},
year = {2021}
}