Oct, 2023
提升团队实时问题解决能力的一种新的表达方式
A Novel Representation to Improve Team Problem Solving in Real-Time
Alex Doboli
TL;DR提出了一种支持实时计算度量的新型表示，用于了解和改进团队在现实问题解决过程中的行为，该表示捕捉了解决过程中团队开发、增强和利用的不同心理形象。通过案例研究来说明该表示方法。
Abstract
This paper proposes a novel representation to support computing metrics that
help understanding and improving in real-time a team's behavior during problem
solving in real-life. Even though teams are important in modern activities,
there is little computing aid to improve their activity. The representation
captures the different →
发现论文，激发创造
神经网络中表征学习和性能预测的量化方法
本文提出了一种基于伪核的新工具，用于分析和预测网络学习到的表示，通过验证其在简单测试案例上的使用，本文论证了该方法可预测权重初始化和训练计划对表示学习和下游并发多任务执行表现的影响。
Jul, 2023
简单认知网络中的表征演化
本文探讨了 “表示” 在环境中如何生成和对智能行为是否必要的问题，并设计了一种基于信息论的重要特征 “表示” 的量化测度 R，通过人工神经网络和隐藏马尔可夫门的网络求解一个分类任务，发现适应过程中表示的能力增强且会在一个 agent 的生命周期内形成其环境的表示，能够使 agent 在获取感官输入的基础上表现复杂的、依赖于语境的行为。
Jun, 2012
神经表示基准及其在脑和机器上的评估
该论文提出了一个新的基准来测试视觉表征，该基准直接测试大脑中多个视觉皮层区域中的神经表征，并测试了产生特征空间的任何计算机视觉算法。结论是一种针对中等图像难度的学习算法能够达到与大脑皮层区域 IT 相当的性能水平，并且优于更简单的区域 V4，在较高难度水平时甚至超过了 IT。
Jan, 2013
基于机器学习的一次性群体决策聚合中的元认知特征利用
研究使用元认知信息和机器学习方法来对众包决策问题进行特征表示和预测，以提高聚合结果的准确性。使用提出的方法，成功率比传统的规则聚合方法提高了 20％至 35％。
Jan, 2022
自然语言处理中的表征操作化
本文提出了一个用于评估神经 NLP 模型成分表示性质的框架，并使用探查分类器进行具体操作，从而为科学哲学家和 NLP 从业人员提供了一个测试性的场所来评估关于表示性质的说法，并提供了开展实证研究的新途径。
Jun, 2023