• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Adaptive Behavior >The Dynamics of Associative Learning in Evolved Model Circuits
【24h】

The Dynamics of Associative Learning in Evolved Model Circuits

机译：演化模型电路中的联想学习动力学

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article, we evolve and analyze continuous-time recurrent neural networks capable of associating the smells of different foods with edibility or inedibility in different environments. First, we present an in-depth analysis of this task, highlighting the evolutionary challenges it poses and how these challenges informed our experimental design. Next, we describe the evolution of nonplastic neural circuits that can solve this food edibility learning problem. We then show that the dynamics of the best evolved nonplastic circuits instantiate finite state machines that capture the combinatorial structure of this task. Finally, we demonstrate that successful circuits with Hebbian synaptic plasticity can also be evolved, but that such circuits do not utilize their synaptic plasticity in a traditional way.
机译：在本文中，我们进化并分析了连续时间递归神经网络，该网络能够将不同食物的气味与不同环境中的食用或不食用相关联。首先，我们将对此任务进行深入分析，重点介绍它所面临的进化挑战以及这些挑战如何影响我们的实验设计。接下来，我们描述可以解决该食物食用性学习问题的非塑性神经回路的演变。然后，我们表明，最佳演化的非塑性电路的动力学实例化了捕获此任务组合结构的有限状态机。最后，我们证明了具有Hebbian突触可塑性的成功电路也可以得到发展，但是这种电路并未以传统方式利用其突触可塑性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号