본 논문은 딥 뉴럴 네트워크를 활용하여 지각적 의사 결정 과정을 모델링하는 연구를 제시한다. 기존의 딥 뉴럴 네트워크가 즉각적인 결과로 의사 결정을 처리하는 것과 달리, 이 연구는 의사 결정 과정의 시간적 역학을 고려한다. 이미지 계산이 가능한 모델을 통해 효율적인 감각 인코딩과 뉴런 스파이킹 활동의 베이지안 디코딩을 통해 선택과 응답 시간이 도출되도록 설계되었다. 포아송 변동 오토인코더를 사용하여 시각적 자극의 비지도 표현을 학습하고, 작업에 최적화된 디코더가 지속적으로 활동에 따라 추론한다. 엔트로피 기반 중단 규칙을 결합하여 선택과 응답 시간의 트라이얼 별 패턴을 생성하는 원리 기반 모델을 개발했다. MNIST 숫자 분류에 적용하여 확률적 변동성, 응답 시간 분포의 오른쪽 왜곡, Hick의 법칙, 속도-정확성 상충 등 지각적 의사 결정의 주요 경험적 특징을 재현했다.
