L'apprentissage profond pour prédire le comportement stratégique humain

Prédire le comportement des participants humains dans des contextes stratégiques est un problème important dans de nombreux domaines. La plupart des travaux existants supposent que les participants sont parfaitement rationnels ou tentent de modéliser directement les processus cognitifs de chaque participant en se basant sur les connaissances de la psychologie cognitive et de l'économie expérimentale. Dans ce travail, nous présentons une alternative, une approche d'apprentissage profond qui effectue automatiquement la modélisation cognitive sans s'appuyer sur de telles connaissances expertes. Nous introduisons une nouvelle architecture qui permet à un seul réseau de généraliser à travers différentes dimensions d'entrée et de sortie en utilisant des unités matricielles plutôt que des unités scalaires, et nous montrons que ses performances sont nettement supérieures à celles de l'état de l'art précédent, qui repose sur des caractéristiques construites par des experts.