12、神经网络模型对一般学习现象的解释

神经网络模型对一般学习现象的解释

学习是生物和人工智能领域中一个至关重要的话题。本文将探讨如何用神经网络模型来解释一些常见的学习现象，特别是联想学习中的经典和工具性条件作用。

1. 联想学习中的基本现象

联想学习包括经典和工具性条件作用，其中涉及到以下几种基本现象：
- 习得（Acquisition）
- 当适当应用强化物时，习得的反应在频率和/或强度上会逐渐增加。
- 在经典条件作用中，学习的速度或强度随条件刺激（CS）的强度增加而增加。
- 学习的速度或强度也随强化物的大小增加而增加。
- 消退（Extinction）
- 当强化物停止提供时，习得的反应在频率和/或强度上会逐渐下降。
- 如果一个习得的反应被消退后再次训练，通常第二次习得比第一次更快。
- 遮蔽（Overshadowing） ：当用不同强度的复合刺激进行条件作用时，条件作用主要发生在更强的刺激上。
- 阻塞（Blocking） ：复合刺激中一个元素的先前条件作用会损害另一个元素的后续条件作用。
- 事件的时间和顺序 ：联想学习仅在事件之间的时间间隔较小且事件按特定顺序发生时才会出现。在经典条件作用中，CS和无条件刺激（US）之间的间隔必须小（通常最多几秒），且CS的开始必须先于US的开始。在工具性条件作用中，反应与其后果之间的间隔必须小（最多约一分钟），且后果必须跟随反应。

2. 习得现象的网络模拟