形状信息对于人类感知和认知至关重要，因此也应该在认知AI系统中发挥作用。我们采用概念空间的跨学科框架，这提出了通过低维解释相似空间提出概念知识的几何表示。这些相似度空间通常基于一小组刺激的心理不相似性评级，然后通过称为多维缩放的技术转换成空间表示。不幸的是，这种方法无法概括为新的刺激。在本文中，我们使用卷积神经网络来学习感知输入（灰度线图的像素）之间的概括映射，以及形状域的最近提出的心理相似性空间。我们调查不同的网络架构（分类网络与Autalencoder）和不同的培训制度（转移学习与多任务学习）。我们的结果表明，基于分类的多任务学习场景产生了最佳结果，但其性能对相似空间的维度相对敏感。
translated by 谷歌翻译