工具书类
[1] S.Amari，“横向抑制型神经场中模式形成的动力学，”生物控制论第27卷，第77-87页，1977年。2007年10月10日/BF00337259在谷歌学者中搜索公共医学
[2] G.Schöner，剑桥计算认知建模手册R.Sun，英国：剑桥大学出版社，2008，ch.认知的动力系统方法，第101-126页。10.1017/CBO9780511816772.007在谷歌学者中搜索
[3] E.Bicho、P.Mallet和G.Schoner，“带有低电平传感器的自动车辆上的目标表示”国际机器人研究杂志2000年5月，第19卷，第5期，第424-447页。[在线]。可用：http://dx.doi.org/10.1177/02783640022066950在谷歌学者中搜索
[4] W.Erlhagen、A.Mukovskiy、F.Chersi和E.Bicho，“关于联合行动任务意图理解的发展”，2007年。10.1109/DEVLRN.2007.4354022在谷歌学者中搜索
[5] Y.Sandamirskaya和G.Schöner，“序列的具体描述：不稳定性如何驱动序列生成，”神经网络，第23卷，第10期，第1164–1179页，2010年12月。在谷歌学者中搜索
[6] Y.Sandamirskaya、M.Richter和G.Schöner，《序列生成和行为组织的神经动力学》前面。计算。神经科学：计算神经科学和神经技术伯恩斯坦会议和Neurex年会，BC112011年第0期。在谷歌学者中搜索
[7] R.S.Sutton和A.G.Barto，强化学习：简介（自适应计算和机器学习）麻省理工学院出版社，1998年3月。[在线]。可用：http://www.amazon.com/exec/obidos/redirect？tag=citeulike07网址-20&路径=ASIN/0262193981在谷歌学者中搜索
[8] R.E.Suri和W.Schultz，“利用多巴胺类强化信号的神经网络模型学习顺序运动”实验脑研究第121卷，第350–354页，1998年，10.1007/s002210050467。[在线]。可用：http://dx.doi.org/10.1007/s002210050467在谷歌学者中搜索公共医学
[9] J.Modayil、A.White和R.S.Sutton，“强化学习机器人中的多时间尺度下一步”CoRR公司，第abs/1112.1133卷，2011年。在谷歌学者中搜索
[10] Y.Sandamirskaya和G.Schöner，“动作系统中的序列：多维动态神经场的实现”发展与学习，2010年。ICDL 2010。第九届IEEE国际会议, 2010.10.1109/DEVLRN.2010.5578834在谷歌学者中搜索
[11] Y.Niv，“大脑中的强化学习”数学心理学杂志，第53卷，第3期，第139-154页，2009年。[在线]。可用：http://linkinghub.elsevier.com/retrieve/pii/S0222496080011812016年10月10日/j.jmp.2008.12005在谷歌学者中搜索
[12] M.Wiering和M.van Otterlo，强化学习：现状，序列号。适应、学习和优化。施普林格，2012年。[在线]。可用：http://books.google.com/books？id=YPjNuvrJR0MC10.1007/978-3-642-27645-3在谷歌学者中搜索
[13] E.Thelen和L.Smith，开发的动态系统方法，序列号。麻省理工学院出版社/布拉德福德图书认知心理学系列。米特出版社，1996年。[在线]。可用：http://books.google.com/books？id=kBslxoe0TekC在谷歌学者中搜索
[14] J.K.O'Regan和A.Noé，“视觉和视觉意识的感觉运动描述。”行为科学和脑科学，第24卷，第5期，2001年10月。[在线]。可用：http://view.ncbi.nlm.nih.gov/pubmed/1223989210.1017/S0140525X01000115在谷歌学者中搜索
[15] S.Kazerounian、M.D.Luciw、M.Richter和Y.Sandamirskaya，“神经动力学中行为序列的自主强化”CoRR公司，第abs/1210.35692012卷。10.1109/DevLrn.2012.6400831在谷歌学者中搜索
