基于在线模拟器的认知模型选择实验设计
机器学习
2023-03-07 v1
摘要
在实验试次数量有限情况下的模型选择问题在认知科学中受到相当关注，其中实验的作用在于区分以计算模型表达的理论。关于该主题的研究大多局限于具有解析易处理模型的优化实验设计。然而，日益复杂且似然不可解析的认知模型正变得更为常见。本文中，我们提出 BOSMOS：一种能够在不可解析似然的计算模型间进行选择的实验设计方法。它以数据高效的方式，通过顺序且自适应地生成信息性实验来实现。与以往方法不同，我们引入了一种基于模拟器的新型效用目标用于设计选择，以及一种用于模型选择的模型似然新近似。在模拟实验中，我们证明所提出的 BOSMOS 技术在三个认知科学任务——记忆保持、序列信号检测与风险选择——中，能以比现有 LFI 替代方案最多快 2 个数量级的时间准确选择模型。
引用
@article{arxiv.2303.02227,
title = {Online simulator-based experimental design for cognitive model selection},
author = {Alexander Aushev and Aini Putkonen and Gregoire Clarte and Suyog Chandramouli and Luigi Acerbi and Samuel Kaski and Andrew Howes},
journal= {arXiv preprint arXiv:2303.02227},
year = {2023}
}