人类存在即时泛化，而深度神经网络存在泛化滞后 —— 对表示分化的证据？
原文中文，约500字，阅读约需2分钟。发表于：。人类和深度神经网络在图像分类领域进行了许多行为比较的最新研究。我们报告了如何在人类观察者和各种经典和最先进的深度神经网络中获取可迁移表示的详细调查结果。发现表明，就绝对分类性能而言，深度神经网络展示了与人类学习者相媲美甚至超过的数据效率水平，挑战了该领域的一些主流假设。然而，整个学习过程中的比较揭示了显著的表征差异：深度神经网络的学习过程具有明显的泛化滞后，而人类似乎立即获得可泛化的表示，无...
深度神经网络（DNN）在图像分类和物体识别任务中表现出色，但对于颜色知觉等人类视觉基本方面的捕捉程度仍不清楚。研究发现，基于小波分解的颜色知觉模型提供更一致的颜色嵌入结果，更好地预测了人类的颜色判断。这些发现对于分析机器学习算法的感知表示和改进其作为人类视觉认知模型的努力具有创新意义。
