×
刘、袁苏菲;于安吉拉;菲利普·福尔摩斯

埃里克森任务贝叶斯推理模型的动态分析。 （英语） Zbl 1183.68487号

神经计算。 21，第6期，1520-1553（2009）.
总结：埃里克森任务是一个经典的范式，它探索了竞争性感官输入对反应倾向的影响，以及控制这些过程中选择性注意的性质。在这项任务中，冲突的侧翼刺激会干扰中央目标的处理，尤其是在短反应时间试验中。这个任务已经被神经网络建模，最近又被一个标准的贝叶斯帐户建模。在这里，我们通过考虑线性和解耦的简化近似系统来分析贝叶斯模型的动力学，这些模型是非线性耦合离散时间动态系统。这些问题的分析解使我们能够描述后验概率和心理测量函数是如何依赖于模型参数的。我们将我们的结果与原始模型的数值模拟进行了比较，并得出了与实验数据的拟合度，表明两者的一致性相当好。我们还研究了这些简化动力系统的连续极限，并证明贝叶斯更新与漂移扩散过程密切相关，其在神经网络模型中的实现已被广泛研究。这提供了对神经基质如何实现贝叶斯计算的见解。

引用于三文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

贝叶斯模型;离散时间动力系统
PDF格式BibTeX公司 XML格式引用
\textit{Y.S.Liu}等人，《神经计算》。21，第6号，1520--1553（2009；Zbl 1183.68487）
全文： 内政部 链接

参考文献：

[1] 数字对象标识码：10.1037/0033-295X.113.4.700·doi:10.1037/0033-295X.113.4.700
[2] DOI:10.1162/neco.2007.19.2.442·Zbl 1122.92006年 ·doi:10.1162/neco.2007.19.2.442
[3] 数字对象标识码：10.1037/0033-295X.97.3.332·doi:10.1037/0033-295X.97.3.332
[4] 内政部：10.2307/1423029·doi:10.2307/1423029
[5] 内政部：10.3758/BF03203267·doi:10.3758/BF03203267
[6] Gardiner C.，《随机方法手册》，2。编辑（1985）
[7] DOI:10.1016/S1364-6613（00）01567-9·doi:10.1016/S1364-6613（00）01567-9
[8] DOI:10.1016/S0896-6273（02）00971-6·doi:10.1016/S0896-6273（02）00971-6
[9] 内政部：10.1037/0096-3445.121.4480·文件编号：10.1037/0096-3445.121.4480
[10] 内政部：10.1037/0096-1523.143.331·doi:10.1037/0096-1523.143.331
[11] 内政部：10.1137/S0036144500378302·Zbl 0979.65007号 ·doi:10.137/S0036144500378302
[12] 内政部：10.1093/ietfec/e88-a.10.2496·doi:10.1093/ietfec/e88-a.10.2496
[13] 拉明D.，选择反应时间的信息理论（1968）
[14] 内政部：10.1109/18.108268·Zbl 0744.62112号 ·doi:10.1109/18.108268
[15] 内政部：10.1162/neco.2007.08-06-313·Zbl 1146.68421号 ·doi:10.1162/neco.2007.08-06-313
[16] 内政部：10.1016/j.jmp.2005.10.003·Zbl 1139.91028号 ·doi:10.1016/j.jmp.2005.10.003
[17] Oksendal B.，随机微分方程（2002）
[18] 内政部：10.1038/22268·doi:10.1038/22268
[19] 数字对象标识码：10.1037/0033-295X.85.2.59·doi:10.1037/0033-295X.85.2.59
[20] DOI:10.1037/0033-295X.111.2.333·doi:10.1037/0033-295X.111.2.333
[21] 数字对象标识码：10.1037/0033-295X.106.2.261·doi:10.1037/0033-295X.106.2.261
[22] Roitman J.，J.神经科学。第22页，9475页–（2002年）
[23] 内政部：10.1038/35049054·doi:10.1038/35049054
[24] DOI:10.1016/S0896-6273（02）00964-9·doi:10.1016/S0896-6273（02）00964-9
[25] DOI:10.1016/S0006-3223（97）00448-4·doi:10.1016/S0006-3223（97）00448-4
[26] Shadlen M.，J.神经生理学第86页，1916页–（2001）
[27] DOI:10.1037/0033-295X.108.3.550·doi:10.1037/0033-295X.108.3.550
[28] Wald A.，序列分析（1947）·Zbl 0029.15805号
[29] 内政部：10.1214/aoms/1177730197·Zbl 0032.17302号 ·doi:10.1214/aoms/1177730197
[30] DOI:10.1016/S0896-6273（02）01092-9·doi:10.1016/S0896-6273（02）01092-9
[31] 内政部：10.1523/JNEUROSCI.3733-05.2006·doi:10.1523/JNEUROSCI.3733-05.2006
[32] Yu A.，《神经信息处理系统的进展》，17 pp 179–（2005）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。