इनाम सीखने के सिद्धांत में भविष्यवाणी जोखिम जोड़ना

यह लेख सरल Rescorla-Wagner सीखने के नियम का विश्लेषण न्यूनतम वर्गीय सीखने के सिद्धांत के दृष्टिकोण से करता है। विशेष रूप से, यह सुझाव देता है कि जोखिम के माप, जैसे भविष्यवाणी जोखिम, को समायोजित करने के लिए मजबूत सीखने में उपयोग किया जा सकता है। यह तर्क करता है कि भविष्यवाणी जोखिम को सबसे प्रभावी ढंग से भविष्यवाणी त्रुटियों को स्केल करके शामिल किया जाता है। इस तरह, सीखने की दर केवल तभी समायोजित करने की आवश्यकता होती है जब उपयुक्त भविष्यवाणियों और पिछले (स्केल किए गए) भविष्यवाणी त्रुटियों के बीच सहसंवेदनशीलता बदलती है। प्रमाणों पर चर्चा की गई है जो सुझाव देते हैं कि (मानव और गैर-मानव) प्राइमेट मस्तिष्क में डोपामिनर्जिक प्रणाली भविष्यवाणी जोखिम को संहिता करती है, और कि भविष्यवाणी त्रुटियाँ वास्तव में भविष्यवाणी जोखिम के साथ स्केल की जाती हैं (अनुकूलन संहिता)।