扩大学习模式测试。

@文章{Kitzis1998 BroadeningTT，title={拓宽学习模型测试。}，author={Stephen N.Kitzis、Hugh Kelley、Eric A.Berg、Dominic W.Massaro和Daniel Friedman}，journal={数学心理学杂志}，年份={1998年}，体积={42 2/3}，第页={327-55},url＝｛https://api.sympicscholar.org/CorpusID:15454328｝}
最引人注目的发现是，最能预测受试者行为的模型是一个简单的贝叶斯模型，该模型具有单个拟合参数，用于先验精度，以捕捉个体差异。
在PubMed上查看
leeps.ucsc.edu语言
23引文
极具影响力的引文
2
背景引文
8
方法引文
2
结果引文
1

本文图表

23引文

学习如何动态集成多个线索以预测连续标准的模型比较

跑头：多线索学习中的洞察力与策略

在多元学习（也称为概率类别学习）中，人们获取线索-结果关系的信息，并将这些信息结合到预测或判断中。以前的研究声称…

规则归纳任务的动态模型

开发了规则归纳任务（例如智力测试项目）的性能模型，并表明其中一个版本（学习规则之一）更善于解释数据。

个体学习的认知方法：一些实验结果1

本研究描述了认知经济学领域的一项关于个体学习的实验。作者的主要目标是观察和描述受试者如何在…

健忘症的学习策略

第三十五章学会理性预测

概括性、重复性和描述性学习模型的作用

多元学习中的洞察力和策略。

在三个实验中，作者通过引入新的任务知识和自我意识测量方法，并使用“滚动回归”方法分析个人学习，重新检验了先前研究人员的结论。

局部贝叶斯学习，用于回顾性重估和突出显示。

目标值向注意力的反向传播使模型能够显示试验顺序效应，包括前向和后向阻塞的突出程度和差异，这对贝叶斯学习模型来说是一个挑战。

模拟对词汇习得的多重影响：语境、符号和联想学习

本文的目的是对各种潜在影响对儿童词汇习得的贡献进行理论分类。本研究分析的变量包括…

30参考文献

学习模式的比较

与标准贝叶斯模型相比，所有测试的描述性模型都能更准确地描述性能，然而，这些模型都不能很好地描述渐进性能或学习过程。

相关症状和模拟医学分类。

在四个实验中，受试者被证明对配置信息敏感，倾向于选择保持相关性的病例，而不是选择破坏相关性的病例（即使症状相关的病例包含较少的典型症状）。

分类中基本比率偏差的联结主义解释

    D.柄
    计算机科学、心理学
  • 1991
在两个实验中，受试者被要求根据患者的症状对模拟患者进行医学诊断，其关键特征是罕见疾病出现一个特定症状的概率等于普通疾病出现相同症状的概率。

从条件反射到类别学习：一个自适应网络模型。

使用自适应网络理论将关联学习的Rescorla-Wagner（1972）最小均方（LMS）模型扩展到人类学习和判断现象，结果再次支持嵌入自适应网络模型中的Rescorla-Wanger LMS学习规则。

类别学习中的基本比率效应：平行网络和记忆存储检索模型的比较。

事实证明，网络模型在解释详细的学习过程方面显著准确，且一致优于范例模型；网络模型的并行性、交互性及其特殊的学习算法都有助于实现这一优势。

了解二进制和连续选择的可变性

二元选择（分类判断）中的过度可变性可以采取概率匹配的形式，而不是确定地选择更可能的标准正确行为…

如何在没有指令的情况下改进贝叶斯推理：频率格式

通过分析数千个贝叶斯问题的解决方案，作者发现，当信息以频率格式呈现时，统计上天真的参与者通过贝叶斯算法得出了多达50%的推论。

给定多个信息源的集成模型。

在原型模式再认知任务的背景下，开发并分析了几种信息集成模型，以提供可识别性的度量或模型之间的区分程度。

决策的模式识别说明

鉴于FLMP是组合多个信息源的最佳方法，概率判断似乎与模式再认知判断一样是最佳的。

语音感知的TRACE模型与模糊逻辑模型的测试