本文提出了一种基于概率树和模糊逻辑的全面可解释的诊断辅助方法 FPT (MedFP)，并将其作为一个概念验证应用于甲状腺结节分型和慢性肾脏疾病进展风险预测中，在提供较少错诊的同时提供意外事件及诊断不确定性的判断。实验结果表明，使用模糊变量的概率模型可以提供更多细节，并且 FPT 和其预测在医疗实践中具有直观的辅助作用，并配备专门为此目的设计的用户界面。

Apr, 2023

本文提出了两个贡献：通过预训练神经网络和构建 “认知模型先验” 以捕捉人类行为的归纳偏见，使得机器学习方法在小样本数据集上能够显著提高预测准确率；基于超过 240,000 项人类决策的大规模数据集，揭示出认知模型先验适用的情况，并为人类决策预测建立了新的基准。

May, 2019

通过预测人类在经济资本决策任务中的选择来测试行为决策理论在预测人类行为方面的帮助作用，并发现将某些行为理论作为机器学习系统特征进行集成提供了最佳预测结果。同时，我们发现预测人类决策最有用的理论是建立在人类和动物学习的基本属性之上，与主流拓展类决策理论有很大不同。此外，我们发现理论特征不仅应基于定性行为见解（例如损失厌恶），还应基于具有功能描述性模型生成的定量行为远见（如前景理论）。我们的分析提出了一个推导出可解释且有用的人类决策预测的方法。

Apr, 2019

本文提出了一种关于认知随机模糊集的普遍理论，用于处理模糊或清晰证据，并通过广义的乘积交集规则进行独立认知随机模糊集的组合，提出了用于量化标量或矢量量，即高斯随机模糊数和多维高斯随机模糊向量的实用模型，并为组合、投影和平凡扩展推导了高斯随机模糊数和向量的公式。

Feb, 2022

探测规则需要重新设计以适应行为智能体，本文采用前景理论模型研究了对特殊代理模型优化探测规则的不同方案，并且还展示了不同行为模型下人类智能体的决策规则与贝叶斯决策规则的偏差。

Oct, 2016

我们提出了一种基于规则的、基于高概率和词典排序偏好的语义、透明决策程序的质性决策模型，该模型可以描述人们如何做出简单的决策，并使计算机程序能够做同样的事情。

Feb, 2013

针对机器学习模型影响采纳的关键因素之一 —— 信任，本研究提出了一组特征量，可以表征一个实例的复杂程度，并借助元学习框架评估误分类的风险。该框架在提高模型开发的复杂性方面具有潜在的应用前景，同时提供新的模型自我阻抗和解释手段。

Apr, 2023

该研究提出了量子理论方法来模拟无法用经典逻辑和概率结构来模拟的认知现象，并解释了人类推理中的谬误是由量子结构所导致的。

Jul, 2018

通过统计力学和信息论的思想，实验测试了资源限制下有限理性决策的正式化预测，并将该模型参数分解为受试者预期效用函数和资源参数，结果显示人类在面对资源限制时逐渐回退到他们学习的先前选择模式。

Oct, 2016

本篇论文提出一种新颖的评估图片生成任务质量和多样性的方法 ——Fuzzy Topology Impact (FTI)，使用拓扑表示和模糊逻辑相结合，相比目前的评估方法在多个实验中表现更好和更稳定。

Feb, 2020