• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Behavioral Decision Making >Instance-based Learning: A General Model of Repeated Binary Choice
【24h】

Instance-based Learning: A General Model of Repeated Binary Choice

机译：基于实例的学习：重复二元选择的通用模型

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

A common practice in cognitive modeling is to develop new models specific to each particular task. We question this approach and draw on an existing theory, instance-based learning theory (IBLT), to explain learning behavior in three different choice tasks. The same instance-based learning model generalizes accurately to choices in a repeated binary choice task, in a probability learning task, and in a repeated binary choice task within a changing environment. We assert that, although the three tasks are different, the source of learning is equivalent and therefore, the cognitive process elicited should be captured by one single model. This evidence supports previous findings that instance-based learning is a robust learning process that is triggered in a wide range of tasks from the simple repeated choice tasks to the most dynamic decision making tasks.
机译：认知建模的一种常见做法是针对每个特定任务开发新的模型。我们质疑这种方法，并利用现有的理论，即基于实例的学习理论（IBLT），来解释三种不同选择任务中的学习行为。相同的基于实例的学习模型可以准确地概括为重复的二元选择任务，概率学习任务和变化的环境中的重复二元选择任务中的选择。我们断言，尽管这三个任务是不同的，但学习的来源是相同的，因此，应该通过一个单一的模型来捕捉所引发的认知过程。该证据支持先前的发现，即基于实例的学习是一个强大的学习过程，可在从简单的重复选择任务到最动态的决策任务等各种各样的任务中触发。

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