کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10211249 1646741 2019 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Rules for aversive learning and decision-making
ترجمه فارسی عنوان
قوانین برای یادگیری غلط و تصمیم گیری
ترجمه چکیده
قوانین یادگیری وابسته و تقویت می گویند که چگونه حیوانات، از جمله انسان، وقایع در جهان را پیش بینی می کنند. در یادگیری عاطفی، این قوانین توصیف می کنند که چگونه پیش بینی می کنیم. در اینجا ما قوانین مهم انجمن و تقویت برای یادگیری عصبی و همچنین روش های رفتاری برای مطالعه آنها را معرفی می کنیم. ما یافته های کلیدی از ادبیات در حال ظهور را در مورد چگونگی این قوانین مختلف یادگیری در مغز پستانداران مشخص می کنیم. ما همچنین مناطق کلیدی را مشخص می کنیم که درک آنها کم است و تحقیقات بیشتری لازم است. در نهایت، ما در نظر می گیریم که چگونه این قوانین یادگیری نه تنها به حل مشکل پیش بینی خطر کمک می کند، بلکه یک مبنای نظری و تجربی برای درک تصمیمی غیرقابل تصور را فراهم می کند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی علوم اعصاب رفتاری
چکیده انگلیسی
Associative and reinforcement learning rules describe how animals, including humans, predict events in the world. In aversive learning, these rules describe how we predict danger. Here we outline major associative and reinforcement rules for aversive learning as well as behavioural approaches to study them. We identify key findings from the emerging literature on how these different learning rules are instantiated in the mammalian brain. We also highlight key areas where understanding is lacking and more research is needed. Finally, we consider how these learning rules not only help solve the problem of predicting danger but also provide a theoretical and empirical basis for understanding aversive decision-making.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Current Opinion in Behavioral Sciences - Volume 26, April 2019, Pages 1-8
نویسندگان
, ,