Exploring Student Representation For Neural Cognitive Diagnosis
Tencent Inc.(腾讯公司)
认知诊断是智能教育系统的一项基本任务,其目标是获得学生对特定知识概念的熟练程度。以往的研究通常将每个学生表示为一个可训练的知识熟练度向量,无法捕捉概念之间的关系和学生的基本轮廓(如记忆或理解)。在本文中,我们提出了一种学生表示方法的知识概念和学生嵌入的层次关系的探索。具体来说,由于对父知识概念的熟练度反映了知识概念之间的相关性,因此我们使用父子概念投影层来获得第一知识熟练度。此外,采用一个低维稠密向量作为每个学生的嵌入,并获得第二知识熟练度与全连接层。然后,我们将上述两个水平向量结合起来,得到学生的最终表示。实验结果表明了该方法的有效性。
2021-11-17 cs.AI
ABCDE: An Agent-Based Cognitive Development Environment
Nanyang Technological University(南洋理工大学);Institute for Infocomm Research, A*STAR(新加坡科技研究局资讯通信研究院);Centre for Frontier AI Research(前沿人工智能研究中心)
儿童的认知能力有时被引用为AI基准。如何在自然主义的儿童环境中学习最常见的1,000个概念(89%的日常使用)?儿童的认知发展是关于质量的,新的概念可以通过简单的例子来传达。我们的知识支架方法使用简单的物体和动作来传达概念,就像孩子们是如何被教导的。我们介绍ABCDE,一个互动的三维环境建模后,一个典型的儿童游戏室。它配备了300多个独特的3D对象资产(主要是玩具),以及一个大型的动作空间,供子代理和父代理与对象和彼此进行交互。ABCDE是第一个旨在模仿儿童认知发展的自然环境的环境;没有其他环境专注于通过学习者-教师互动进行高级概念学习。该模拟器可以在https://pypi.org/project/ABCDESim/1.0.0/上找到
2022-06-10 cs.AI
A Model of Fast Concept Inference with Object-Factorized Cognitive Programs
California Institute of Technology(加州理工学院);Vicarious AI(Vicarious人工智能公司)
人类从少数图像中快速识别一般概念的能力已经被证明很难用机器人来模仿。最近,开发了一种计算机体系结构,其允许机器人通过使用原始认知功能的指令集将概念建模为认知程序来模仿这种人类能力的某些方面。这使得机器人能够在推广到物理世界之前,通过在世界模型中模拟候选程序来模仿人类的想象力。然而,这个模型使用了一个简单的搜索算法,需要30分钟才能发现一个概念,并且对于超过20条指令的程序来说变得难以处理。为了克服这一瓶颈,我们提出了一种算法,该算法模拟了人类对对象分解和子目标的认知能力,允许人类级别的推理速度,提高准确性,并使输出更具可解释性。
2020-06-18 cs.AI cs.RO
Human Machine Co-Creation. A Complementary Cognitive Approach to Creative Character Design Process Using GANs
University of Sharjah(沙迦大学)
本研究提出一种基于GANs的人机互补协同设计框架,通过机器生成概念作为角色设计师的认知支架,有效增强游戏与动画领域新角色的创意概念化过程。
2023-11-23 cs.AI
Beyond imitation: Zero-shot task transfer on robots by learning concepts as cognitive programs
Vicarious AI(Vicarious人工智能公司)
人类可以从图像对中推断出概念,并将其应用于物理世界中完全不同的环境中,从而实现像宜家组装这样的任务。如果机器人能够表达和推断高级概念,将大大提高它们理解我们的意图和在不同环境之间转移任务的能力。为此,我们引入了一个计算框架,复制人类概念学习的各个方面。概念被表示为一种新的计算机体系结构上的程序,该结构由视觉感知系统、工作记忆和动作控制器组成。这台“认知计算机”的指令集包含解析视觉场景、引导注视和注意力、想象新物体、操纵视觉工作记忆的内容以及控制手臂运动的命令。推断一个概念对应于诱导一个可以将输入转换为输出的程序。有些概念需要运用想象力和递归。先前学习的概念简化了后续更精细概念的学习,并创建了抽象层次。我们演示了机器人如何使用这些抽象来解释作为示意图呈现给它的新概念,然后将这些概念应用于截然不同的情况。通过将认知科学关于心理意象、感知符号、具身认知和指示机制的思想引入机器学习领域,我们的工作使我们更接近于构建具有可解释表示和常识的机器人的目标。
2018-12-06 cs.AI cs.LG
Combining Fuzzy Cognitive Maps and Discrete Random Variables
AGH University of Science and Technology(AGH科技大学)
在本文中,我们提出了一个扩展的模糊认知地图(FCM),旨在聚合成一个并行运行的推理任务的数量。所描述的方法包括用随机变量替换概念的实值激活水平(以及进一步的影响权重)。这样的扩展,其次是实现的软件工具,允许确定概念激活水平达到的范围,敏感性分析以及多个推理结果的统计分析。我们取代乘法和加法运算符出现在FCM状态方程的适当卷积适用于离散随机变量。为了使该模型在计算上可行,它进一步增加了离散随机变量的聚合操作。我们讨论了四个实现的聚合器,以及我们报告的初步测试结果。
2015-12-29 cs.AI
A Review of Findings from Neuroscience and Cognitive Psychology as Possible Inspiration for the Path to Artificial General Intelligence
本文通过垂直综述神经科学与认知心理学中从神经元到认知架构的多层机制,探讨其为弥补深度学习抽象推理与因果理解缺陷、推进人工通用智能提供的启发。
2024-01-03 cs.AI
CLLMRec: LLM-powered Cognitive-Aware Concept Recommendation via Semantic Alignment and Prerequisite Knowledge Distillation
Xihua University, Chengdu 610039, China(西华大学)
CLLMRec通过语义对齐和先决知识蒸馏,利用大语言模型实现认知感知的概念推荐,无需依赖结构化知识图谱。
2025-11-26 cs.AI cs.IR
Radically Compositional Cognitive Concepts
University of Oxford(牛津大学)
尽管有充分的证据表明,我们的概念、认知结构和数学本身都是深度组合的,但很少有模型利用这种结构。因此,我们提出了一个从根本上组成的方法,计算神经科学,应用范畴理论的方法。我们描述了这些工具如何为我们提供了一种克服复杂性和提高可解释性的方法,并为科学建模提供了一种严格的通用语言,类似于计算机科学的类型理论。作为一个案例研究,我们勾勒出如何从合成叙事概念到神经回路的转换。
2019-11-14 cs.AI cs.CL cs.NE
Conceptual Framework for Autonomous Cognitive Entities
Human-AI Empowerment Lab at Clemson University(克莱姆森大学人类-AI赋能实验室)
本文提出受OSI模型启发的自主认知实体(ACE)六层框架,结合大语言模型与多模态生成模型构建自主智能体系统,并介绍经工业界验证的实施策略。
2023-11-01 cs.AI cs.HC
Disentangling Heterogeneous Knowledge Concept Embedding for Cognitive Diagnosis on Untested Knowledge
本文提出DisKCD框架,通过将知识概念解耦为已测与未测,并构建异构关系图网络进行分层消息传递,以提升对未测知识概念的学生掌握程度诊断性能。
2024-10-18 cs.AI cs.CY cs.LG
Unifying Decision-Making: a Review on Evolutionary Theories on Rationality and Cognitive Biases
University of Leicester(莱斯特大学)
本文对经济学、心理学、进化生物学和行为生态学等不同领域的理性概念进行了综述。我们回顾了自然选择等过程如何帮助我们理解认知的进化,以及认知偏见如何成为自然选择的结果。最后,我们认为,人类不是非理性的,而是理性的限制,我们补充量子认知模型如何有助于建模和预测人类的矛盾决定的讨论。
2018-11-29 cs.AI
Quantum Inspired High Dimensional Conceptual Space as KID Model for Elderly Assistance
Vellore Institute of Technology(韦洛尔理工学院)
在本文中,我们提出了一个认知系统,获取知识的老年人的日常活动,以确保他们的健康在灵巧家庭使用知识-信息-数据(KID)模型。提出了一种新的认知框架--高维概念空间,并将其作为KID模型.该模型采用概念空间的几何框架和形式概念分析(FCA)来建立,以克服概念空间中不精确的概念表示,并借助基于拓扑的FCA。通过这样做,概念空间可以使用希尔伯特空间来表示。这个高维概念空间在概念表示方面受到量子的启发。通过KID模型学习的知识可以识别老年人的日常活动。因此,该模型确定了必须确保老年人健康的情景。
2018-11-19 cs.AI
Human-like Cognitive Generalization for Large Models via Brain-in-the-loop Supervision
College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);State Key Lab of Brain-Machine Intelligence, Zhejiang University(浙江大学脑机智能全国重点实验室)
本文提出利用少量脑信号进行脑在环监督学习,将人类概念结构迁移至DNN,从而提升大模型对抽象及未见概念的理解、少样本/零样本与分布外识别能力及表示可解释性。
2025-05-14 cs.AI cs.LG
Interpretation as Linear Transformation: A Cognitive-Geometric Model of Concepts and Meaning
National Electronics and Computer Technology Center(国家电子与计算机技术中心)
提出一个几何框架,通过线性映射和向量空间建模异构智能体间的概念传递、动机与影响,揭示误解与概念消亡的结构条件,并给出领导力的可达性解释。
2026-06-16 cs.AI cs.LG cs.MA
The Case for Meta-Cognitive Machine Learning: On Model Entropy and Concept Formation in Deep Learning
Artificial Intelligence Lab, Vrije Universiteit Brussel(布鲁塞尔自由大学人工智能实验室)
机器学习通常用行为主义术语来定义,其中外部验证是学习的主要机制。在本文中,我主张一个更全面的解释,找到更可能的,有效的和抽象的表示是中央学习性能。换句话说,机器学习应该扩展策略,以推理自己的学习过程,从而导致所谓的元认知机器学习。因此,机器学习的实际定义应该用这些本质上多目标的术语重新表述,不仅要考虑任务性能,还要考虑内部学习目标。为此,我们建议定义一个“模型熵函数”来量化内部学习过程的效率。这是想象,该模型熵的最小化导致概念形成。除了哲学方面,一些初步的插图包括支持索赔。
2017-11-04 cs.AI cs.LG stat.ML
Towards hypergraph cognitive networks as feature-rich models of knowledge
ISTI (CNR)(意大利国家研究委员会信息科学与技术研究所);University of Melbourne(墨尔本大学);University of Trento(特伦托大学)
本文提出特征丰富的认知超图模型,利用高阶关联和心理语言学特征改进词语具体性预测,并在Small World of Words数据集上验证其优于传统成对网络。
2023-04-13 cs.AI cs.CL
Alien Recombination: Exploring Concept Blends Beyond Human Cognitive Availability in Visual Art
Max Planck Institute for Human Development(马克斯·普朗克人类发展研究所);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);NVIDIA(英伟达公司);Tallinn University(塔林大学)
本研究提出Alien Recombination方法,利用微调大型语言模型对抗人类可用性偏差,生成超越人类认知可用性的视觉艺术概念组合,证明认知不可用性是优化艺术新颖性的有效指标。
2024-11-18 cs.AI cs.CY cs.LG
See, Plan, Predict: Language-guided Cognitive Planning with Video Prediction
University of Toronto(多伦多大学);Vector Institute(向量研究所);Google(谷歌)
认知规划是将复杂的任务结构性地分解为一系列未来的行为。在计算环境中,执行认知规划需要在一个或多个模态中建立计划和概念,以便利用它们进行低水平控制。由于现实世界的任务往往是用自然语言描述的,我们设计了一个认知规划算法,通过语言引导的视频预测。当前的视频预测模型不支持对自然语言指令的调节。因此,我们提出了一种新的视频预测架构,该架构利用了预训练的Transformers的能力。该网络具有基于自然语言输入的基础概念的能力,并具有对看不见的对象的泛化能力。我们证明了这种方法在一个新的模拟数据集上的有效性,其中每个任务都是由自然语言描述的高级动作定义的。我们的实验比较我们的方法再次石头视频生成基线没有规划或行动接地和展示显着的改进。我们的消融研究强调了自然语言嵌入对概念基础能力提供的对看不见的对象的改进的概括,以及对任务的视觉“想象”进行规划的重要性。
2022-10-07 cs.AI cs.RO
Beyond ID Embeddings: Process-Grounded Language Modeling for Cognitive Diagnosis
State Key Laboratory of AI Safety, Institute of Computing Technology, CAS(中国科学院计算技术研究所人工智能安全国家重点实验室);University of Chinese Academy of Sciences(中国科学院大学)
本文提出PLCD框架,利用语言结构作为认知先验,结合响应记录校准学生状态,通过LLM构建概念图式和过程图,并采用DA-MoE和对比学习映射到认知空间,在预测表现和认知迁移上超越传统CDMs。
2026-09-14 cs.AI cs.CL
Neural Network based Formation of Cognitive Maps of Semantic Spaces and the Emergence of Abstract Concepts
University Erlangen-Nuremberg(埃尔朗根-纽伦堡大学);University Hospital Erlangen(埃尔朗根大学医院)
内嗅复合体在记忆和思维的组织中起着重要作用。通过位置和网格细胞形成和导航任意心理空间的认知地图可以作为记忆和经验及其相互关系的表示。提出了多尺度后继表示作为位置和网格单元计算的数学原理。在这里,我们提出了一个神经网络,它学习基于32种不同的动物物种编码为特征向量的语义空间的认知地图。神经网络成功地学习了不同动物物种之间的相似性,并基于后继表示原理构建了“动物空间”的认知地图,其准确率约为30%,接近理论最大值,因为所有动物物种都有一个以上的可能后继,即特征空间中的最近邻。此外,分层结构,即不同尺度的认知地图,可以基于多尺度后继表示来建模。我们发现,在细粒度的认知地图,动物向量均匀分布在特征空间。相比之下,在粗粒度地图中,动物病媒根据其生物类别(即两栖动物、哺乳动物和昆虫)高度聚类。这可能是解释新的抽象语义概念出现的一种可能机制。最后,即使是全新的或不完整的输入,也可以通过从认知图中插值表示来表示,其精确度高达95%。我们的结论是,后继表示可以作为过去的记忆和经验的加权指针,因此可能是未来机器学习的关键构建块,包括先验知识,并从新的输入中获得上下文知识。
2022-10-28 cs.AI cs.CL q-bio.NC
Interpretable Concept-Guided Polynomial Tabular Kolmogorov-Arnold Network for EEG-Based Mild Cognitive Impairment Detection
Computer Science Department, University of Kentucky(肯塔基大学计算机科学系);Institute for Biomedical Informatics, University of Kentucky(肯塔基大学生物医学信息学研究所)
提出CPTabKAN模型,通过概念编码、二阶多项式交互和傅里叶参数化TabKAN分类器,在睡眠EEG数据上实现MCI检测,F1达0.9038。
2026-06-25 cs.AI cs.LG
A Cognitive Explainer for Fetal ultrasound images classifier Based on Medical Concepts
Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院);University Town of Shenzhen, Nanshan District, Shenzhen(深圳大学城南山区深圳校区);Beijing Tsinghua Changgung Hospital(北京清华大学长庚医院);Peking University Shenzhen Hospital(北京大学深圳医院);Shenzhen Baoan District Maternal and Child Health Hospital(深圳宝安区妇幼保健医院)
本文提出基于医学概念的可解释框架,通过图卷积神经网络构建概念关系,提升胎儿超声图像分类器的透明性和临床可解释性。
2026-03-06 cs.AI cs.LG
MLR (Memory, Learning and Recognition): A General Cognitive Model -- applied to Intelligent Robots and Systems Control
本文介绍了智能机器人和系统控制的新观点。提出和提出的认知模型:记忆,学习和识别(MLR),是努力弥合机器人,人工智能,认知科学和神经科学之间的差距。目前存在的差距使我们无法整合这四个研究领域的当前进展和成就,这些领域正在积极尝试以基于应用的方式或通用的方式定义智能。这种认知模型对智力的定义更加具体、参数化和详细。建议的MLR模型帮助我们创建一个通用的机器人和系统的控制模型,独立于其应用领域和平台,因为它主要是基于为机器人和系统控制提供的数据集。本文主要是提出和介绍这一概念,并试图在小范围内证明这一概念,首先通过实验。所提出的概念也适用于其他不同的平台,在实时以及仿真。
2019-07-12 cs.AI cs.CV cs.LG
How are Scientific Concepts Birthed? Typing Rules of Concept Formation in Theoretical Physics Reasoning
本文以类型论形式化理论物理中的概念形成机制,通过爱因斯坦两个历史案例验证认知类型规则,并将时间相对性的概念发现重构建模为程序综合任务。
2025-09-12 cs.AI physics.hist-ph
Cognitive Structure Generation: From Educational Priors to Policy Optimization
Northeast Normal University(东北师范大学);Cornell University(康奈尔大学)
本文提出认知结构生成框架CSG,先预训练扩散概率模型从教育先验生成认知结构,再用强化学习以分层奖励优化生成策略,在四个真实教育数据集上显著提升知识追踪和认知诊断性能。
2025-08-18 cs.AI cs.CY cs.LG
MoocRadar: A Fine-grained and Multi-aspect Knowledge Repository for Improving Cognitive Student Modeling in MOOCs
Tsinghua University(清华大学);Pengcheng Laboratory(鹏城实验室)
本文提出细粒度多维度知识库MoocRadar,包含2513道题目、5600个知识概念及超1200万条行为记录,并提出标注框架保证细粒度概念与认知标签的高质量标注,为改进MOOC学生建模提供了数据基础与工具支持。
2023-04-05 cs.AI cs.IR
End-to-end Graph Learning Approach for Cognitive Diagnosis of Student Tutorial
本文提出端到端图神经网络认知诊断模型EGNN-CD,通过知识概念网络、四通道特征提取和多层感知器融合,在三个真实数据集上显著提升诊断准确性。
2024-10-30 cs.AI cs.CY cs.LG
Path Signature Representation of Patient-Clinician Interactions as a Predictor for Neuropsychological Tests Outcomes in Children: A Proof of Concept
The University of Edinburgh(爱丁堡大学);Thymia Limited(Thymia有限公司);The Integrated Clinic(综合诊所)
本研究针对儿童神经发育障碍认知评估,提出从诊疗视频中提取患者-临床医生互动的路径签名特征,验证了其预测认知测试分数、辅助构建临床决策支持工具的可行性,为提升评估效率提供了新思路。
2023-12-12 cs.AI cs.HC
Managing Ambiguity: A Proof of Concept of Human-AI Symbiotic Sense-making based on Quantum-Inspired Cognitive Mechanism of Rogue Variable Detection
Department of Management Systems and Organizational Development, Faculty of Management, Wrocław University of Science and Technology(管理系统与组织发展系,管理学院,沃林大学科学与技术学院);Department of Mathematics, Faculty of Mathematics, Wrocław University of Science and Technology(数学系,数学学院,沃林大学科学与技术学院);AMOTHO Research Institute, Vallsjön 20, 780 00 Rörbäcksnäs, Sweden(AMOTHO研究所)
本研究提出了一种基于量子启发认知机制的人机共生系统,通过检测持续的解释崩溃(rogue变量)来管理模糊性,提升组织在VUCA环境中的韧性。
2025-12-17 cs.AI cs.HC
A Qualitative Theory of Cognitive Attitudes and their Change
IRIT-CNRS(法国国家科学研究中心图卢兹计算机研究所);Toulouse University(图卢兹大学)
本文提出一个通用逻辑框架,用于推理智能体的认知态度(如知识、信念、欲望等),并给出两种扩展(选择与动态算子),应用于不完全信息博弈,提供可靠完备的公理化。
2021-02-16 cs.AI cs.LO
Concept Alignment
Princeton University(普林斯顿大学);University of California Merced(加州大学默塞德分校)
本文提出在价值对齐之前必须先实现人类与AI系统之间的概念对齐,通过整合哲学、认知科学与深度学习视角,分析概念学习现状并指出利用现有工具加速概念对齐的路径。
2024-01-09 cs.AI cs.LG q-bio.NC
A Cognitive Science perspective for learning how to design meaningful user experiences and human-centered technology
Carnegie Mellon University(卡内基梅隆大学)
本文回顾了认知科学、人机交互(HCI)和自然语言处理(NLP)方面的文献,以考虑类比推理(AR)如何帮助设计通信和学习技术,以及在线社区和数字平台。首先,类比推理(AR)的定义,AR在计算科学中的用例。介绍了模式的概念,以及计算中的用例。最后,建议在计算科学中使用类比推理和模式方法的未来工作。
2021-06-02 cs.AI cs.CY cs.HC
Switcher-random-walks: a cognitive-inspired mechanism for network exploration
University of Navarra(纳瓦拉大学);Center for Applied Medical Research(应用医学研究中心);ICREA-Complex Systems Lab(ICREA复杂系统实验室);Universitat Pompeu Fabra(庞培法布拉大学);Institut d’investigacions Biomèdiques August Pi i Sunyer (IDIBAPS)(奥古斯特·皮·苏涅尔生物医学研究所(IDIBAPS));Hospital Clínic(临床医院)
语义记忆是人类记忆的子系统,它存储概念或意义的知识,而不是生活特定的经验。语义记忆中概念的组织可以被理解为语义网络,其中概念(节点)根据感知、相似性等与其他概念相关联(链接)。词汇访问是该系统的补充部分,并允许检索这种组织的知识。虽然概念信息存储在特定的底层组织下(并因此产生特定的拓扑结构),但准确访问任何信息单元(例如概念)对于有效地检索实时需要的语义信息至关重要。信息检索过程的一个例子发生在言语流畅性任务中,并且已知涉及两种不同的机制:-聚类-或在子类别内生成单词,以及,当子类别被耗尽时,-切换-到新的子类别。我们将这种方法扩展到网络上的随机行走(聚类),并以一定的概率跳到(切换)任何节点,并基于马尔可夫链推导出其解析表达式。结果表明,这种双重机制有助于优化不同的网络模型的平均首次通过时间方面的探索。此外,这种受认知启发的双重机制开辟了一个新的框架,以更好地理解和评估其他复杂系统中的探索,传播和传输现象,其中类似开关的现象是可行的。
2009-03-24 cond-mat.dis-nn cs.AI physics.soc-ph