PulseAugur
实时 07:48:01
English(EN) Identifying Informative Environments for Cognition Parameter Inference via Bayesian Experimental Design

新的贝叶斯框架优化认知实验设计

研究人员开发了一个新的框架,用于设计认知实验以更好地推断潜在的认知机制。这种贝叶斯实验设计(BED)方法将实验环境视为一个变量,旨在识别参数推断最具信息性的设置。建立了一个精确的蒙特卡洛BED基准,以及一个用于高效评估的近似BED框架。在Mouselab-MDP范式上的实验表明,近似BED在显著降低计算成本的同时,与精确蒙特卡洛排名非常接近。研究还表明,没有单一环境是普遍最优的,突显了信息增益、后验可恢复性和效率之间的权衡。 AI

影响 为设计更有效的认知实验提供了一个原则性框架,有可能加速计算认知建模领域的研究。

排序理由 学术论文,详细介绍了认知建模的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的贝叶斯框架优化认知实验设计

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Manisha Dubey, Rimvydas Rubavicius, N. Siddharth, Subramanian Ramamoorthy ·

    通过贝叶斯实验设计识别用于认知参数推断的信息环境

    arXiv:2607.28894v1 Announce Type: cross Abstract: Computational cognitive modeling seeks to infer latent cognitive mechanisms underlying observed behavior. Bayesian inverse planning provides a principled framework for such inference, but its success depends critically on the expe…