Вероятностное обратное обучение (PRL)

Гибкость при вероятностной обратной связи, восстановление после смены контингенций и персеверативные ошибки.

Между блоками оптимальная сторона меняется; нужно адаптироваться, чтобы продолжать получать награды. Обратите внимание: это упрощённая версия. Смена происходит по фиксированному расписанию (каждые 30 проб), тогда как в классической парадигме разворот зависит от результатов — он происходит, как только вы отчётливо усвоили текущую зависимость.

Подкрепляемый вариант подкрепляется не в каждой пробе, поэтому одиночные исходы — двусмысленные свидетельства; нужно интегрировать информацию через пробы, а не переключаться после каждой потери.

Отслеживать относительные скорости наград двух вариантов и смещаться, только когда накопленные свидетельства склоняются к другому; и крайняя липкость, и постоянные метания стоят очков.

Оно чисто разделяет скорость обучения и шум решения, что делает его стандартным зондом подкрепляющего обучения, изучаемым в связи с дофамином и компульсивным поведением.