对抗网络matlab代码-LTI:V1方向调整的循环模型

对抗网络matlab代码描述 V1 方向调整的循环模型 (Teich & Quian 2003) 配备了动态的、错误触发的 Hebbian 学习机制，如：Lange, G., Senden, M., Radermacher, A., & De Weerd, P. (2020)。 干扰记忆而不抹去它的踪迹。 神经网络，121、339-355。 抽象的 先前的研究表明，新手技能的表现很容易受到其他技能的后续训练的干扰。 我们解决了广泛训练的技能是否表现出与新手技能相同的干扰脆弱性以及哪种记忆机制调节专家技能之间的干扰的开放性问题。 我们开发了 V1 的循环神经网络模型，能够从长期定向辨别实验过程中的反馈中学习。 在首次将模型暴露于一项判别任务进行 3480 次连续试验后，我们评估了其性能如何受到第二个类似任务中后续训练的影响。 训练第二个任务强烈干扰了第一个（训练有素的）辨别技能。 干扰的大小取决于用于不同任务的相对训练量。 我们使用这些和其他模型结果作为感知学习实验的预测，其中人类参与者接受了与我们的模型相同的训练协议。 具体而言，在三个月的过程中，参与者接受了 15 次定向辨别任务的基