이 연구는 관찰된 행동으로부터 잠재적 인지 메커니즘을 추론하는 계산인지모델링에서, 실험 환경을 고정된 것으로 취급해온 기존 관행과 달리 어떤 인지 실험이 인지 파라미터 추론에 가장 유용한지를 베이지안 실험설계(BED) 문제로 정식화한다. 연구진은 실험 환경 자체를 설계 변수로 삼아 정확한 몬테카를로 BED 기준선을 확립하고, 효율적인 사후추론과 설계 평가를 위한 상각(amortized) 베이지안 실험설계 프레임워크를 도입했다. Mouselab-MDP 과정추적 패러다임 실험에서 상각 BED는 계산비용을 크게 줄이면서도 정확한 몬테카를로 BED의 환경 순위와 밀접하게 일치했다. 또한 인지추론 목표 전반에 걸쳐 균일하게 최적인 단일 환경은 없으며, 기대정보이득·사후회복가능성·정보효율성 사이에 상충관계가 있음을 보였다.
- •인지 파라미터 추론에 가장 유용한 실험 환경을 찾는 문제를 베이지안 실험설계(BED)로 정식화했다.
- •정확한 몬테카를로 BED 기준선과 계산 효율적인 상각(amortized) BED 프레임워크를 함께 도입했다.
- •Mouselab-MDP 실험에서 상각 BED가 계산비용을 크게 줄이면서도 정확한 BED와 유사한 환경 순위를 얻었다.
- •모든 인지추론 목표에 균일하게 최적인 단일 환경은 없고 정보이득·회복가능성·효율성 간 상충관계가 있다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Identifying Informative Environments for Cognition Parameter Inference via Bayesian Experimental Design
본문 미리보기
arXiv:2607.28894v1 Announce Type: new 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 experimental environment. Existing approaches typically treat environments as fixed, leaving open the question of which cognitive experiments are most informative for cognition parameter inference. We formulate the design of
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:10AI 초안
