概念表征中组织结构的涌现
机器学习
2017-11-23 v2 机器学习
摘要
科学家和儿童都能做出重要的结构发现，但其计算基础尚未被充分理解。结构发现此前被形式化为关于正确结构形式的概率推断——其中形式可以是树、环、链、网格等 [Kemp & Tenenbaum (2008). The discovery of structural form. PNAS, 105(3), 10687-10692]。尽管这种方法能够学习直观的组织结构，包括动物的树形结构和色环的环形结构，但它假设了一个很强的归纳偏置，仅考虑这些特定形式，且每种形式都作为初始知识被显式提供。本文中，我们引入一个新的计算模型，描述组织结构如何被发现，该模型利用了一个广阔的假设空间，并偏好稀疏连接。由于归纳偏置更为通用，模型的初始知识与它所支持的一些发现在定性上几乎没有相似之处。因此，该模型也能为缺乏直观描述的领域学习复杂结构，并在没有显式结构形式的情况下预测人类的属性归纳判断。通过让形式从稀疏性中涌现，我们的方法阐明了人类概念组织的丰富性与灵活性如何能够共存。
引用
@article{arxiv.1611.09384,
title = {The Emergence of Organizing Structure in Conceptual Representation},
author = {Brenden M. Lake and Neil D. Lawrence and Joshua B. Tenenbaum},
journal= {arXiv preprint arXiv:1611.09384},
year = {2017}
}
备注
In press at Cognitive Science