布伦登·M·莱克。;鲁斯兰萨拉赫季诺夫;乔舒亚·特内鲍姆（Joshua B.Tenenbaum）。 通过概率程序归纳法进行人性化概念学习。 （英语） Zbl 1355.68230号 科学类 350，编号6266，1332-1338（2015）. 总结：学习新概念的人通常可以从单个示例中成功地概括，但机器学习算法通常需要几十个或数百个示例才能以类似的精度执行。人们还可以用比传统算法更丰富的方式使用学习过的概念——用于动作、想象和解释。我们提出了一个计算模型，该模型捕捉了人类对一大类简单视觉概念的学习能力：来自世界字母的手写字符。该模型将概念表示为简单的程序，能够最好地解释在贝叶斯准则下观察到的示例。在一个具有挑战性的一次性分类任务中，该模型实现了人的级别性能，同时优于最近的深度学习方法。我们还提出了几个“可视化图灵测试”，以探索模型的创造性泛化能力，在许多情况下，这些能力与人类行为无法区分。 引用于46文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 91E10型 认知心理学 软件：Omniglot公司 PDF格式BibTeX公司 XML格式引用 \textit{B.M.Lake}等人，《科学》350，第6266、1332--1338号（2015；Zbl 1355.68230） 全文： 内政部