利用可微分架构搜索恢复人类信息处理的定量模型
机器学习
2021-05-18 v2
摘要
将行为现象整合到认知功能的机制模型中，是认知科学的基本要义。然而，研究人员开始积累越来越多的数据，却没有时间或资金资源将这些数据整合进科学理论。我们试图通过将现有机器学习技术纳入用于定量模型自动构建的开源流程来克服这些限制。该流程利用神经架构搜索来自动发现可解释的模型架构，并利用自动微分来自动将模型参数拟合到数据。我们基于这些方法从合成数据中恢复人类信息处理的定量模型的能力来评估其实用性。我们发现这些方法能够从心理物理学、学习与决策模型恢复基本的定量基元。我们也指出了该框架的弱点并讨论了未来缓解这些弱点的方向。
引用
@article{arxiv.2103.13939,
title = {Recovering Quantitative Models of Human Information Processing with Differentiable Architecture Search},
author = {Sebastian Musslick},
journal= {arXiv preprint arXiv:2103.13939},
year = {2021}
}