【心理学与AI】【目录】概念学习Concept Learning

2020-05-18  本文已影响0人  子夜Uni

领域综述

Concept learning. Wikipedia

Concept learning, also known as category learning, concept attainment, and concept formation, is defined by Bruner, Goodnow, & Austin (1967) as "the search for and listing of attributes that can be used to distinguish exemplars from non exemplars of various categories".

Shanks, D. R. (2001). Concept learning and representation: Models.

这篇综述比较早而且出处不详,可以参考里面的理论分类和量化描述。

Goldstone, R. L., Kersten, A., & Carvalho, P. F. (2018). Categorization and concepts. Stevens' Handbook of Experimental Psychology and Cognitive Neuroscience, 3, 1-43.

书里的一章。对概念学习做了比较全面的综述。

Cohen, H., & Lefebvre, C. (Eds.). (2017). Handbook of categorization in cognitive science (Second Edition). Elsevier.

Chapter 2 - To Cognize is to Categorize: Cognition is Categorization
阅读笔记-Tang Wenwen, Zhu Bihan, Lin Beibei, Zhang Yu, Ye Yizhou

模型综述

Hampton, J. (1993). Prototype models of concept representation.

一本书里的一章。Prototype模型,需要总结一下这个理论框架和对应的行为学证据。大概相当于17页的综述。
阅读笔记-Zhang Yu, Lin Beibei

Nosofsky, R. M. (2011). The generalized context model: An exemplar model of classification. Formal approaches in categorization, 18-39.

也是书里的一章,经典的examplar模型的改进版。
阅读笔记-Zhang Yu
阅读笔记-Wang Zhiyi

模型争论

Murphy, G. L. (2016). Is there an exemplar theory of concepts?. Psychonomic bulletin & review, 23(4), 1035-1042.

作者通过综述说明,现有的现象只能支持,example是发挥作用的,但是并没有任何一种学习只依赖examples。因为纯粹的example模型没法解释1)概念的层级性表征;2)基于特征的概念表征;3)概念的推导和归纳现象
阅读笔记-Lin Beibei

Posner, M. I., & Keele, S. W. (1968). On the genesis of abstract ideas. Journal of experimental psychology, 77(3p1), 353.

最早的一篇支持prototype理论的实证研究。
被试学习一些图片的分类(每个类别都是由一个prototype图片做一些简单变形来的,但是学习序列里不会包含这张prototype图片),然后测试对没见过的item进行分类。
核心发现1 没见过的item有两种,一种是prototype图片本身,另一种是它的其他变形。作者发现对prototype图片本身的分类正确率会明显比其他变形更高。作者认为这说明原型的存在。
核心发现2 有一组被试学习阶段的材料是对prototype的微小变形,而另一组被试的材料变形更大。发现和大变形的组相比,微小变形的组在学习阶段学的更好,但对测试中变异大的item分类不是很好。这说明examplar也是有存储的。

阅读笔记-Zhu Bihan

Erickson, M. A., & Kruschke, J. K. (1998). Rules and exemplars in category learning. Journal of Experimental Psychology: General, 127(2), 107.

经典的混合模型,混合了examplar和Rule-based,并且描述了这两个成分的权重,是如何随着任务需求动态变化的。
ALCOVE模型认为,对刺激的多个维度,注意一开始是均匀分配的(感觉实际并不是,但是初始化不一定重要),随着学习的进行,注意力会更多地分配到区分类别的维度上。
而ATRUIM(本文提出的混合模型)假设rule也会产生影响。如果类别样例可以根据某个特征进行分类判断,那么ATRUIM中的rules模块比重就会较高;而如果刺激的正确分类是通过整合样例信息的,那么exemplar模块的比重就会较高。

阅读笔记-第一部分-Tang Wenwen
阅读笔记-第二部分-Ye Yizhou

Nosofsky, R. M., Sanders, C. A., Gerdom, A., Douglas, B. J., & McDaniel, M. A. (2017). On learning natural-science categories that violate the family-resemblance principle. Psychological science, 28(1), 104-114.

真实场景下,类内非常相似的概念学习。和我们一般认为的“抽取类内共性和类间差异”的学习模型不太一样。
阅读笔记-Wang Zhiyi

Lake, B. M., Salakhutdinov, R., & Tenenbaum, J. B. (2015). Human-level concept learning through probabilistic program induction. Science, 350(6266), 1332-1338.

复合的贝叶斯学习模型,作者对学习模型产生的学习结果进行了图灵测试,结果表现出来与人的高相似性。

让机器从一个手写字符的示例中学习,讲笔画拆解成parts再拆解成subpart。机器根据学习得到的结构生成新的字符,人类没法区分出来这是机器生成的还是人写的。

阅读笔记-Tang Wenwen

Dubé, C. (2019). Central tendency representation and exemplar matching in visual short-term memory. Memory & cognition, 47(4), 589-602.

在视觉短时记忆中提出了一个新的模型,反驳了GCM,认为在视觉短时记忆中应该考虑prototype的作用。

阅读笔记-Zhangyu

Vanpaemel, W. (2016). Prototypes, exemplars and the response scaling parameter: A Bayes factor perspective. Journal of Mathematical Psychology, 72, 183-190.

认为贝叶斯因子的视角可以帮助解决原型模型和范例模型之间的争议,重点看一下引言是怎么说原型模型和范例模型之间的争议,以及引用的模型理论。具体贝叶斯因子怎么分析看不懂可以不细看。
阅读笔记-Lin Beibei

Storms, G., De Boeck, P., & Ruts, W. (2000). Prototype and exemplar-based information in natural language categories. Journal of Memory and Language, 42(1), 51-73.

原型模型和范例模型之间的对比,一百多的引量。
阅读笔记-Tang Wenwen

Smith, J. D., & Minda, J. P. (2002). Distinguishing prototype-based and exemplar-based processes in dot-pattern category learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 28(4), 800.

原型模型和范例模型之间的对比,也是有一百多的引量
阅读笔记-Zhu Bihan

Zubek, J., & Kuncheva, L. (2018). Learning from Exemplars and Prototypes in Machine Learning and Psychology. arXiv preprint arXiv:1806.01130.

主要看一下理论部分。心理学和机器学习中原型和范例的比较。
阅读笔记-Wang Zhiyi

Ashby, F. G., & Valentin, V. V. (2017). Multiple systems of perceptual category learning: Theory and cognitive tests. In Handbook of categorization in cognitive science (pp. 157-188). Elsevier.

多系统理论,这篇综述了COVIS双系统理论,核心思想是基于外显+内隐学习的双通道理论,分析了rule-based和信息整合理论的优缺点,以及对应的实验证据。
阅读笔记-Ye Yizhou

上一篇下一篇

猜你喜欢

热点阅读