A neural reinforcement learning model for tasks with unknown time delays

郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！

Abstract

　　我们提出了一个基于生物学的神经模型，能够在复杂的任务中执行强化学习。该模型的独特之处在于，它能够在一个行动、状态转换和奖励之间存在未知和可变时间延迟的环境中，解决需要智能体执行一系列未经奖励的操作以达到目标的任务。具体来说，这是第一个能够在半马尔可夫决策过程（Semi-Markov Decision Process，SMDP）框架内发挥作用的强化学习神经模型。我们认为，当前建模工作的这种扩展为人类决策的日益复杂的模型奠定了基础。

Keywords: 强化学习；神经模型；SMDP

1. Introduction

2. Background

3. Methods

3.1 Model architecture

3.2 Representing and computing with neural activities

3.3 Learning

3.4 Error calculation

4. Results

5. Discussion