Autor/autores:
David B. Kastner , Anna K. Gillespie , Peter Dayan...(et.al)
El comportamiento animal proporciona un contexto para comprender los modelos de enfermedades y la fisiología. Sin embargo, ese comportamiento a menudo se caracteriza subjetivamente, creando oportunidades para malas interpretaciones y malentendidos. Por ejemplo, las tareas de alternancia espacial se tratan como herramientas paradigmáticas para examinar la memoria; si...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
El comportamiento animal proporciona un contexto para comprender los modelos de enfermedades y la fisiología. Sin embargo, ese comportamiento a menudo se caracteriza subjetivamente, creando oportunidades para malas interpretaciones y malentendidos. Por ejemplo, las tareas de alternancia espacial se tratan como herramientas paradigmáticas para examinar la memoria; sin embargo, ese vínculo es en realidad una suposición. Para probar esta suposición, simulamos un agente de aprendizaje por refuerzo (RL) equipado con un proceso de memoria perfecto.
Descubrimos que aprende una tarea de alternancia espacial simple más lentamente y comete errores diferentes que un grupo de ratas macho, lo que ilustra que la memoria por sí sola puede no ser suficiente para capturar el comportamiento. Demostramos que la incorporación de sesgos espaciales permite un aprendizaje rápido y permite que el modelo se ajuste con precisión al comportamiento de los roedores.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.jneurosci.org/
Explora el artículo con IA