確率の更なる認識:連想モデルの防御-Gallistel et al.2014に関するコメント【JST・京大機械翻訳】

Forsgren, M.; Juslin, P.; van den Berg, R.

プレプリント

J-GLOBAL ID：202202208413632433 整理番号：22P0027886

確率の更なる認識:連想モデルの防御-Gallistel et al.2014に関するコメント【JST・京大機械翻訳】

Further Perceptions of Probability: In Defence of Associative Models -- A Commentary on Gallistel et al. 2014

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年09月29日プレプリントサーバーでの情報更新日： 2022年09月29日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

行動科学における広範な研究は,時間にわたって一定に留まる静止確率を学習する人々の能力に対処してきたが,最近,人々が学習し,非定常確率を学習する認知プロセスをモデル化する試みが試みられている。この文脈において,学習が関連するか,あるいは世界の遠位状態についての信念を表す仮説間の機会シフトにより起こるかどうかに関する古い議論が再表された。Galistel et al.(2014)は非定常確率学習タスクにおいて互いに2つの理論をピッチした。彼らは,それらのデータにおける様々な定性的パターンが,試行ごとの連想学習とは両立せず,仮説検定モデルによってのみ説明できると結論した。ここでは,その主張と,それが早期であることを証明する。最初に,それらの実験的パラダイムは,確率追跡(推定タスク)と変化検出(意思決定タスク)という2つの異なるタスクから成ると主張した。次に,確率追跡タスクのための(連想)デルタ学習ルールと変化検出タスクのための有界証拠蓄積を使用するモデルを提示する。著者らは,2つの高度に確立された理論のこの組合せが,すべての定性的現象を十分に説明し,定量的モデル比較においてGallistelらによって提案された代替モデルより優れていることを見出した。累積科学の精神において,非定常確率の人間学習に関する現在の実験データは,連想学習と有界証拠蓄積の組合せとして説明でき,新しいモデルを必要としないと結論した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能

, , , , ,

前のページに戻る