量子认知神经网络：通过人类决策模拟评估置信度与不确定性
机器学习
2024-12-12 v1 物理与社会
量子物理
摘要
现代机器学习（ML）系统在以显著精度识别和分类图像方面表现出色。然而，与许多计算机软件系统一样，它们可能通过生成令人困惑或错误的输出来失败，或者将结果解释和最终决策权交给人类操作员。在本文中，我们采用了最近提出的量子隧穿神经网络（QT-NNs），其灵感来自人类大脑过程，并结合量子认知理论，对图像数据集进行分类，同时模拟人类感知和判断。我们的发现表明，QT-NN模型提供了令人信服的证据，表明其具有复制类人决策并超越传统ML算法的潜力。
引用
@article{arxiv.2412.08010,
title = {Quantum-Cognitive Neural Networks: Assessing Confidence and Uncertainty with Human Decision-Making Simulations},
author = {Milan Maksimovic and Ivan S. Maksymov},
journal= {arXiv preprint arXiv:2412.08010},
year = {2024}
}