SimpleMind 将思考能力加入深度神经网络

Dec, 2022

SimpleMind 将思考能力加入深度神经网络

SimpleMind adds thinking to deep neural networks

Youngwon Choi, M. Wasil Wahi-Anwar, Matthew S. Brown

TL;DR该论文介绍了 SimpleMind，这是一种开源的用于医学图像理解的认知人工智能软件框架，结合了深度神经网络和知识库，通过自动协同优化知识库参数进行推理和决策，从而提高了深度神经网络的可靠性和可解释性。

Abstract

deep neural networks (DNNs) detect patterns in data and have shown versatility and strong performance in many computer vision applications. However, DNNs alone are susceptible to obvious mistakes that violate simple, common sense concepts and are limited in their ability to use explici

deep neural networks cognitive ai medical image analysis knowledge base interpretable model

发现论文，激发创造

将常识推理和知识获取结合，为机器人的深度学习提供指导

该论文提出了一种基于认知系统的深度网络模型，以探索深度网络模型内部表示和推理机制的知识表示、推理和学习挑战，并通过使用空间关系的接地和递增式的学习，以及基于非单调逻辑推理和基础常识域知识的决策，实现对场景中物品遮挡和稳定性的推理，通过识别与任务相关的图像区域训练深度网络模型来提高决策的可靠性和减少相关的训练工作量。

Jan, 2022

MindSet: Vision. 用于关键心理实验中测试深度神经网络的工具箱

一项关于深度神经网络与人类视觉的研究，介绍了名为 MindSet: Vision 的工具箱，包含一系列图像数据集和相关脚本，用于测试 DNNs 在 30 个心理发现方面，并提供了代码以重新生成这些数据集，并提供了测试 DNNs 的代码，使用了三种不同的方法进行识别和分类。

Apr, 2024

Lite-Mind: 高效且多功能的脑表示网络

通过 Lite-Mind，基于离散傅里叶变换的轻量级、高效且通用的脑表示网络，我们成功地在 NSD 数据集的 Subject 1 上实现了 94.3% 的 fMRI 到图像检索准确率，比 MindEye 少 98.7% 的参数，并且在 GOD 数据集上实现了零样本分类的新的最先进成果。

Dec, 2023

卷积神经网络的智能程度如何？

通过合成实验，研究深度学习算法从图像中推断简单的视觉概念，如对称性，作者设计了 “啊哈挑战” 以促进对 Gestalt 风格机器智能的研究。实验表明，相比于深度卷积神经网络，人类能够很快推断出语义概念，但需要更少的示例才能做到这一点。

Sep, 2017

图像理解中的知识和推理整合

本文综述了各种代表性的推理机制、知识整合方法及其相应的图像理解应用，讨论了结合外部知识与神经网络的关键技术，并探讨了提高推理能力的潜在途径。

Jun, 2019

深度神经网络是否比二年级学生更聪明？

本文旨在研究神经网络的广泛性，提出 SMART 算法推理任务和关联的 SMART-101 数据集以评估神经网络在 6-8 岁儿童视觉语言谜题领域中的抽象、推理和概括能力，结果表明，神经网络在特定领域的表现合理，但不具有良好的广泛性，ChatGPT 虽然具有令人信服的推理能力，但答案常常是错误的。

Dec, 2022

深度学习人类思维用于自动化视觉分类

本文利用人类脑电图与神经网络结合的方法，研究了使用人类的视觉能力辅助计算机视觉系统进行分类的可能性，并取得了较好的实验结果。

Sep, 2016

基于医学概念的图神经网络的认知解释器

本研究提出一种基于医学概念的可解释卷积神经网络框架，可用于识别超声标准平面，并构建关键医学概念之间的关系，从医生的认知角度解释，并在实验中取得了实质性的解释性能提升。

Jan, 2022

内视力：基于模拟的基础语言模型推理

研究通过使用计算物理引擎作为输入，将语言模型中的推理过程与现实社会有机结合，让模型具有更加精准有效的推理能力，以达到人类与 AI 之间成功和有效的交流。该研究的实验证明 Mind's Eye 可以在物理对齐基准测试中改善模型推理能力 27.9％（零击中率）和 46.0％（少量击中率），较小的语言模型具有 Mind's Eye 也能获得类似的性能。

Oct, 2022

自动理解艺术作品意义的逐步实现：以蒙德里安艺术作品计算分析为例

本文旨在确定 Deep Neural Networks 在处理抽象语义操作时的局限性，并提出了一种使用认知架构来判断艺术品类别的新的计算方法。

Dec, 2022