심층 신경망은 지각적 의사 결정의 많은 속성을 잘 모델링하지만, 결정 과정을 순간적인 읽기로 처리하여 시간적 역학을 간과합니다. 본 연구는 선택과 응답 시간이 효율적인 감각 인코딩과 신경 스파이킹 활동의 베이즈 해독으로부터 발생하는 이미지 계산 가능한 지각적 의사 결정 모델을 제시합니다. Poisson variational autoencoder를 사용하여 rate-coded 뉴런 집단에서 시각 자극의 비지도 표현을 학습하고, 작업 최적화된 디코더는 들어오는 스파이킹 활동을 기반으로 작업에 대한 근사 사후 확률을 지속적으로 추론합니다. 이러한 구성 요소를 엔트로피 기반 중단 규칙과 결합하여 선택과 응답 시간의 시행별 패턴을 생성할 수 있는 원칙적이고 이미지 계산 가능한 지각적 결정 모델을 제시합니다. MNIST 숫자 분류에 적용하여, 모델은 확률적 변동성, 오른쪽으로 치우친 응답 시간 분포, 대안 수에 따른 응답 시간의 로그 스케일링(Hick의 법칙), 속도-정확도 상충 관계를 포함한 지각적 의사 결정의 주요 경험적 특징을 재현합니다.
