4.5. The effects of the choice-auto

4.5. The effects of the choice-autocorrelation factor
We have seen that the standard Q-learning model exhibits a
(negative) dependency on choice history, as well as on reward
history. However, it is difficult to control the dependence on choice
history explicitly by tuning a model parameter. As described above,
human choice behavior has a property called choice perseverance,
which is a tendency to repeat the same choice as the recent
choice (Akaishi et al., 2014; Gershman et al., 2009; Huys et al.,
2011). A straightforward way to represent choice perseverance in
the Q-learning is simply to add a residual choice-autocorrelation
factor to the action values when computing the choice probability,
as in Eq. (22). Here, we investigated the effect of the choice-autocorrelation factor on history dependence using a probabilistic
learning task (with pr = 0.7)

ผลลัพธ์ (ไทย) 2:

4.5 ผลกระทบของปัจจัยทางเลือกอัต
เราได้เห็นว่ารูปแบบการเรียนรู้ที่ Q-มาตรฐานการจัดแสดงนิทรรศการ
การพึ่งพา (ลบ) ในประวัติศาสตร์ทางเลือกเช่นเดียวกับรางวัล
ประวัติศาสตร์ แต่ก็เป็นเรื่องยากที่จะควบคุมการพึ่งพาทางเลือกที่
ประวัติศาสตร์อย่างชัดเจนโดยการปรับพารามิเตอร์แบบ ตามที่อธิบายไว้ข้างต้น
พฤติกรรมเลือกที่มนุษย์มีคุณสมบัติที่เรียกว่าทางเลือกของความเพียร
ซึ่งเป็นแนวโน้มที่จะทำซ้ำทางเลือกเช่นเดียวกับที่ผ่านมา
Choice (Akaishi et al, 2014;. Gershman et al, 2009;.. Huys, et al,
2011) วิธีที่ตรงไปตรงมาเพื่อเป็นตัวแทนของความเพียรทางเลือกใน
Q-การเรียนรู้เป็นเพียงการเพิ่มทางเลือกที่เหลืออัต
ปัจจัยเป็นค่าดำเนินการเมื่อคำนวณความน่าจะเป็นทางเลือก
ในขณะที่สม (22) ที่นี่เราตรวจสอบผลกระทบของปัจจัยทางเลือกในการพึ่งพาอาศัยอัตประวัติของใช้น่าจะเป็น
งานการเรียนรู้ (ที่มี PR = 0.7)

ผลลัพธ์ (ไทย) 3:

4.5 . ผลของการเลือกข้อมูลปัจจัยเราได้เห็นแล้วว่า q-learning จัดแสดงแบบมาตรฐาน( ลบ ) การพึ่งพาประวัติศาสตร์ทางเลือก รวมทั้งรางวัลประวัติศาสตร์ อย่างไรก็ตาม เป็นการยากที่จะควบคุมการพึ่งพาทางเลือกประวัติศาสตร์อย่างชัดเจน โดยการปรับแต่งพารามิเตอร์รูปแบบ ตามที่อธิบายไว้ข้างต้นพฤติกรรมการเลือกของมนุษย์ที่มีคุณสมบัติที่เรียกว่าทางเลือกความเพียรซึ่งเป็นแนวโน้มที่จะเลือกแบบเดียวกันอีกครั้ง ล่าสุดทางเลือก ( อากาอิชิ et al . , 2014 ; Admin et al . , 2009 ; huys et al . ,2011 ) วิธีที่ตรงไปตรงมาเพื่อแสดงความเพียรในการเลือกการ q-learning เป็นเพียงการเพิ่มข้อมูลทางเลือกที่เหลืออยู่ปัจจัยในการเลือกเมื่อคำนวณค่าความน่าจะเป็นเช่น อีคิว ( 22 ) ที่นี่เราได้ทำการศึกษาผลของปัจจัยในการเลือกข้อมูลประวัติการใช้ความน่าจะเป็นการเรียนรู้งาน ( ที่มี PR = 0.7 )