2023
DOI: 10.1016/j.neunet.2023.08.021
|View full text |Cite
|
Sign up to set email alerts
|

A novel feature-scrambling approach reveals the capacity of convolutional neural networks to learn spatial relations

Amr Farahat,
Felix Effenberger,
Martin Vinck
Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
1
0
1

Year Published

2023
2023
2024
2024

Publication Types

Select...
3
1

Relationship

0
4

Authors

Journals

citations
Cited by 4 publications
(2 citation statements)
references
References 47 publications
0
1
0
1
Order By: Relevance
“…Buku ajar ini menggunakan model pembelajaran kooperatif Scramble, yang bertujuan untuk meningkatkan keterampilan sosial siswa dan meningkatkan keterlibatan dan hasil capaian akademik dan non akademik siswa, seperti kerja tim, komunikasi, dan pemecahan masalah (Yasin et al, 2020). Dengan menggunakan model pembelajaran Scramble, tujuan adalah untuk menarik perhatian siswa dan mendorong mereka untuk terlibat secara aktif dan mendorong mereka untuk berpikir kritis dan memahami konsep-konsep penting dengan memanfaatkan buku ajar (Farahat et al, 2023;Thelen, 2023). Beberapa keuntungan dari model pembelajaran Scramble termasuk evaluasi pemahaman siswa, umpan balik, dan mendorong mereka untuk berpikir kritis.…”
Section: Pendahuluanunclassified
“…Buku ajar ini menggunakan model pembelajaran kooperatif Scramble, yang bertujuan untuk meningkatkan keterampilan sosial siswa dan meningkatkan keterlibatan dan hasil capaian akademik dan non akademik siswa, seperti kerja tim, komunikasi, dan pemecahan masalah (Yasin et al, 2020). Dengan menggunakan model pembelajaran Scramble, tujuan adalah untuk menarik perhatian siswa dan mendorong mereka untuk terlibat secara aktif dan mendorong mereka untuk berpikir kritis dan memahami konsep-konsep penting dengan memanfaatkan buku ajar (Farahat et al, 2023;Thelen, 2023). Beberapa keuntungan dari model pembelajaran Scramble termasuk evaluasi pemahaman siswa, umpan balik, dan mendorong mereka untuk berpikir kritis.…”
Section: Pendahuluanunclassified
“…Behaviourally, CNNs are prone to make errors with adversarial stimuli to which humans are resilient (Goodfellow et al, 2015;Nguyen et al, 2015), likely as a result of the divergence in representation deeper into the network (Feather et al, 2023). Recent works using images that were scrambled (Farahat et al, 2023) or distorted (Berardino et al, 2017) have found significant divergence in behaviour between humans and CNNs. In this study, we make a detailed comparison between human and CNN performance by constructing letter confusion matrices (similar to approaches used previously by Dodge and Karam, 2017;Borji and Itti, 2014).…”
Section: Introductionmentioning
confidence: 99%