返回
摘要
En 中文
动物由于初始无知或后续变化,面临着对其环境的不确定性,因此需要进行探索。然而,大脑中探索性选择算法结构在很大程度上仍不明确。人工智能代理面临相同的问题,强化学习中一个古老的观点是,它们可以在相当于清醒安静或睡眠状态时离线规划适当的探索性选择。尽管人类和其他动物中 hippocampal replay 和 preplay 形式的离线处理最近已成为高度信息化的建模主题,但现有方法仅适用于已知环境。因此,它们无法预测在不确定条件下学习和/或行为过程中的探索性回放选择。在此,我们扩展了一种有影响力的 hippocampal replay 理论,并考察其在近似最优探索中的潜在作用,推导出在典范空间导航任务中探索性回放选择模式的可检验预测。我们的建模为提示探索性回放的可用实验数据提供了规范性的解释。此外,我们强调了序列回放的重要性,并授权了一系列新的实验范式,这些范式应能进一步加深我们对离线处理的理解。
Keyword:
HIPPOCAMPAL PLACE CELLS
REVERSE REPLAY
AWAKE REPLAY
SEQUENCES
MEMORY
MODEL
UNCERTAINTY
EXPLORATION
SYSTEMS
PATHS
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
引用论文
Flexible rerouting of hippocampal replay sequences around changing barriers in the absence of global place field remapping
NEURON
IF15
WHY THERE ARE COMPLEMENTARY LEARNING-SYSTEMS IN THE HIPPOCAMPUS AND NEOCORTEX - INSIGHTS FROM THE SUCCESSES AND FAILURES OF CONNECTIONIST MODELS OF LEARNING AND MEMORY为什么在海马和新大脑皮层中存在互补的学习系统-来自学习和记忆的连接主义模型的成功和失败的见解
PSYCHOLOGICAL REVIEW
IF5.8

