人工神经网络中的符号样数字变量

本研究探讨了人工神经网络（NNs）中数字表示的类型及其抽象可变性，解决了数字变量在学习过程中如何变化的问题。通过对基于序列的神经系统进行训练，我们发现这些模型的确能够从任务目标中发展出可互换的符号样数字变量，而不同的任务和模型架构显著影响这些表示的形成及其与任务表现的相关性。最终，我们的成果表明，神经网络能够近似可解释的数字认知符号程序，但具体的程序形式和近似程度会因多种因素而异。