Analysis of Large and Complex Data
Analysis of Large and Complex Data
复制标题
大型复杂数据分析
DOI：
10.1007/978-3-319-25226-1_50
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
Lane P
中科院分区：
文献类型：
--
作者：
Lane P
我们提出了一个系统来表示和发现计算模型，以捕捉心理学中的数据。系统使用一种理论表示语言来定义可能模型的空间。然后使用遗传编程(GP)搜索这个空间，以发现最适合实验数据的模型。我们的半自动系统的目的是分析心理数据，并对潜在的过程进行解释。其中一些挑战包括：以适合建模的方式捕获心理实验和数据，控制GP系统可能开发的模型类型，以及解释最终结果。我们讨论了我们目前应对所有三个挑战的方法，并提供了两个不同例子的结果，包括延迟匹配到样本和视觉注意。
We present a system to represent and discover computational models to capture data in psychology. The system uses a Theory Representation Language to define the space of possible models. This space is then searched using genetic programming (GP), to discover models which best fit the experimental data. The aim of our semi-automated system is to analyse psychological data and develop explanations of underlying processes. Some of the challenges include: capturing the psychological experiment and data in a way suitable for modelling, controlling the kinds of models that the GP system may develop, and interpreting the final results. We discuss our current approach to all three challenges, and provide results from two different examples, including delayed-match-to-sample and visual attention.