用神经网络求解瑞文推理测验
计算机视觉与模式识别
2020-02-07 v2
摘要
瑞文推理测验（RPM）已被广泛用于人类智商（IQ）测试。本文中，我们旨在以有监督和无监督两种方式用神经网络求解RPM。首先，我们研究减少有监督学习中过拟合的策略。我们建议使用具有深层网络并在大规模数据集上预训练的神经网络以改善模型泛化。在RAVEN数据集上的实验表明，我们有监督方法的整体准确率超越了人类水平表现。其次，由于智能体需要自动学习新技能以解决新问题，我们提出首个无监督方法——带伪目标的多标签分类（MCPT），用于RPM问题。基于伪目标的设计，MCPT将无监督学习问题转化为有监督任务。实验显示MCPT使测试准确率相对随机猜测翻倍，例如28.50%对12.5%。最后，我们讨论未来用无监督且可解释策略求解RPM的问题。
引用
@article{arxiv.2002.01646,
title = {Solving Raven's Progressive Matrices with Neural Networks},
author = {Tao Zhuo and Mohan Kankanhalli},
journal= {arXiv preprint arXiv:2002.01646},
year = {2020}
}