A Computational Model for Latent Learning based on Hippocampal Replay
A Computational Model for Latent Learning based on Hippocampal Replay
复制标题
基于海马重放的潜在学习计算模型
DOI：
10.1109/ijcnn48605.2020.9206824
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Weitzenfeld, Alfredo
中科院分区：
文献类型：
--
作者：
Scleidorovich, Pablo;Llofriu, Martin;Fellous, Jean-Marc;Weitzenfeld, Alfredo
我们展示了海马体重放如何解释潜在学习，这是在动物中观察到的一种现象，在动物中，一旦奖励试验开始，无奖励的预先暴露于环境（即习惯化）会提高任务学习率。我们首先描述了受大鼠研究启发的空间导航计算模型。该模型利用了先前通过应用强化学习学到的轨迹的离线重放。然后，为了评估我们的假设，该模型在“多个 T 迷宫”环境中进行评估，其中大鼠需要学习从迷宫起点到目标的路径。模拟结果支持我们的假设，即预先暴露或习惯的大鼠比未预先暴露的大鼠学习任务的速度明显更快。结果还表明，这种效果随着预暴露试验的数量而增加。
We show how hippocampal replay could explain latent learning, a phenomenon observed in animals where unrewarded pre-exposure to an environment, i.e. habituation, improves task learning rates once rewarded trials begin. We first describe a computational model for spatial navigation inspired by rat studies. The model exploits offline replay of trajectories previously learned by applying reinforcement learning. Then, to assess our hypothesis, the model is evaluated in a "multiple T-maze" environment where rats need to learn a path from the start of the maze to the goal. Simulation results support our hypothesis that pre-exposed or habituated rats learn the task significantly faster than non-pre-exposed rats. Results also show that this effect increases with the number of pre-exposed trials.
登录
查看更多内容
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
E. Thorndike
通讯作者：
E. Thorndike
试错学习的符号格式塔理论的实验测试。
DOI：
--
发表时间：
1946
期刊：
影响因子：
--
作者：
K. Spence;R. Lippitt
通讯作者：
R. Lippitt
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
W. S. Small
通讯作者：
W. S. Small
2005 年特刊：海马回放有助于时间差异强化学习模型中的会话内学习
DOI：
--
发表时间：
2005
期刊：
影响因子：
--
作者：
Adam Johnson;A. Redish
通讯作者：
A. Redish