通过动态连接主义模型模拟算术认知中的问题难度

本研究旨在探讨人类与连接主义模型在解决算术问题时所体验到的难度之间的相似性。问题难度由求解给定问题所涉及的进位次数来操作化定义。人类的难度通过反应时间来度量，模型的难度通过计算步数来度量。本研究发现，人类与连接主义模型在求解二进制加法与减法时表现出相似的难度体验。具体而言，两类主体均发现难度随进位次数的增加而严格递增。另一显著相似之处在于，对人类与连接主义模型而言，减法中的难度增长均比加法中更为陡峭。对两个模型超参数——置信阈值与隐藏维度——的进一步研究表明，较高的置信阈值会导致模型采取更多计算步数以得出正确答案。类似地，较大的隐藏维度也会导致模型采取更多计算步数来正确回答算术问题；然而，隐藏维度的这一效应可忽略不计。