穷酸秀才大艹包

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Trends in Cognitive Sciences, no. 7 (2016): 512-534 Abstract 我们更新了互补学习系统（CLS）理论，该理论认为，智能体必须拥有两个在新皮质和海马哺乳动物中实例化的学习系统。前者逐 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ 系统神经科学寻求有关大脑如何执行各种感知，认知和运动任务的解释。相反，AI试图根据必须解决的任务来设计计算系统。在ANN中，设计指定的三个组成部分是目标函数，学习规则和结构。随着利用脑启发性架构的深度学习取得越来越大的成功，这三个设计的组 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ blog：https://www.cnblogs.com/xxdk/p/11928532.html Abstract 在更好的监督学习算法的推动下，ANN经历了一场革命。但是，与幼小的动物（包括人类）形成鲜明对比的是，训练这样的网络需要大 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Abstract 训练后的神经网络模型展现了从行为动物记录的神经活动的特征，可以通过对网络活动和连通性的系统分析来洞悉认知功能的电路机制。然而，与通常通过监督学习来训练网络的分级误差信号相反，动物通过RL从对确定动作的奖励反馈中学习。当最 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ arXiv: Learning, (2018) 尽管传感器的幅度和范围有限，动物仍会执行目标导向的行为。为了应对，他们探索环境并存储记忆，以维护对当前尚不可用的重要信息的估计(1)。最近，通过将RL算法与深度神经网络(2, 3)融合在一起 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ CogSci, (2017) ABSTRACT 近年来，深度RL系统在许多具有挑战性的任务领域中都获得了超出人类的性能。但是，此类应用的主要局限性在于它们对大量训练数据的需求。因此，当前的一个关键目标是开发能够快速适应新任务的深度RL方法 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ DOI：10.1016/j.neuron.2017.06.011 blog：http://www.ebrun.com/20170725/239411.shtml Abstract 历史上，神经科学和人工智能（AI）两个领域长期以来一直都存 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Psychological review, no. 3 (1995): 419-457 Abstract 对海马体系统的损害破坏了最近的记忆，但保留了远端记忆。我们对此的解释表明，记忆首先是通过海马体系统中的突触变化来存储的。这些变化支持 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Science advances, no. 25 (2020) Abstract 有期待的事情是幸福的基石。对未来奖励（例如即将到来的假期）的期望通常比经验本身更令人满足。理论表明，预期的效用是各种行为的基础，从有益的信息寻求到有害的成瘾 阅读全文

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ arXiv:2007.04578v1 [cs.AI] 9 Jul 2020 Abstract 尽管深度RL模型显示出在最少的监督下解决各种任务的巨大潜力，但仍存在一些关键挑战，包括从有限的经验中快速学习，适应环境变化以及从单个任务中概括学 阅读全文