Modèle de wagner

Nous procédons en introduisant d`abord le nouveau modèle. Nous comparons son formalisme avec quatre modèles qui ont une portée similaire, à savoir CSC-TD, MS-TD, MoT et LeT. Dans la section des résultats, nous présentons les phénomènes que nous simulerons, suivis des résultats de nos simulations, et les comparons aux explications actuelles données par LeT, MoT et TD. Le blocage avec des durées différentes a été facilement pris en compte dans une condition, le court bloqué et long bloquant CS. L`effet de blocage dans cette condition est suivi du terme de sommation dans la règle RW. Pour l`autre condition, long bloqué et court bloquant CS, une application droite du modèle n`a pas donné les résultats attendus. Mais les résultats expérimentaux laissent ouverte la possibilité que cela pourrait être un cas de conditionnement de second ordre, où le terme de sommation dans RW ne joue pas un rôle. Dans ce cas, RWDDM est bien placé pour expliquer les résultats, car il peut temps toute la séquence de stimuli. Les seuls autres modèles capables d`expliquer ces résultats étaient les modèles TD. En Résumé: a) le temps de pointe et le CV ne sont pas altérés en extinction lors de l`utilisation d`une procédure de pointe, b) changer la durée CS de la formation à l`extinction provoque le pic de réponse à l`intérieur du procès pour passer à la nouvelle durée, et c) changer la durée de CS en extinction peut accélérer l`extinction, mais cela peut être dû au déplacement du pic de réponse et non à des changements dans la force associative. Ces résultats posent un défi aux modèles analysés ici. De la CSC-TD, de la MS-TD, du LeT et de la MoT, seule la MoT a un mécanisme qui lui permettrait de tenir compte du changement de temps dans l`extinction.

Une autre limitation des modèles d`apprentissage associatif est qu`ils ont tendance à simplement postuler les caractéristiques de synchronisation de la représentation de stimulation, sans un compte rendu détaillé de la façon dont ils peuvent se produire et évoluer de manière mécanistiquement. C`est le cas des représentations de CSC-TD, MS-TD et d`autres comme C-SOP [72]. Le minuteur adaptatif de RWDDM et la représentation CS adaptative dans le temps fournissent un compte plus complet du mécanisme de synchronisation et de sa dynamique. Un autre modèle récent qui fournit ce niveau de détail est le timing from inverse Laplace Transform [TILT, 124, 125]. Il peut développer dynamiquement une représentation invariante d`échelle de temps de l`historique de stimulus à l`aide d`un réseau neuronal à deux couches. Il peut également reproduire le phénomène important de conditionnement des ratios I/T, mais jusqu`à présent, il n`a été mis en œuvre qu`avec la règle de l`opérateur linéaire pour l`apprentissage associatif, ce qui l`empêche de comptabiliser les phénomènes de compétition de Cue. Une meilleure synchronisation avec la préexposition découle directement du fait que RWDDM adapte sa pente d`accumulateur A à la durée du CS pendant la préexposition. Cependant, notre choix d`un gaussien pour la représentation de stimulus ne permet pas que ce changement devienne visible. Bonardi et ses collègues [70] ont démontré un meilleur timing en montrant que la pente de la courbe de réponse du CS préexposé était plus élevée dans les premiers essais d`acquisition que celui de la commande CS (voir le panneau inférieur droit de la Fig. 6).