logo-uai
Publicaciones > On the importance of feedback for categorization: Revisiting category learning experiments using an adaptive filter model

On the importance of feedback for categorization: Revisiting category learning experiments using an adaptive filter model


Marchant, N., & Chaigneau, S. E. (2022). On the importance of feedback for categorization: Revisiting category learning experiments using an adaptive filter model. Journal of Experimental Psychology: Animal Learning and Cognition, 48(4), 295–306.

 

Ver Publicación

30 de diciembre 2022

Abstract:

Associative accounts of category learning have been, for the most part, abandoned in favor of cognitive explanations (e.g., similarity, explicit rules). In the current work, we implement an Adaptive Linear Filter (ALF) closely related to the Rescorla and Wagner learning rule, and use it to tackle three learning tasks that pose challenges to an associative view of category learning. Across three computational simulations, we show that the ALF is in fact able to make the predictions that seemed problematic. Notably, in our simulations we use exactly the same model and specifications, attesting to the generality of our account. We discuss the consequences of our findings for the category learning literature. (PsycInfo Database Record (c) 2022 APA, all rights reserved)


Traducción

Sobre la importancia de la retroalimentación para la categorización: revisión de experimentos de aprendizaje de categorías utilizando un modelo de filtro adaptativo

Las explicaciones asociativas del aprendizaje de categorías han sido, en su mayor parte, abandonadas en favor de explicaciones cognitivas (por ejemplo, similitud, reglas explícitas). En el trabajo actual, implementamos un filtro lineal adaptativo (ALF) estrechamente relacionado con la regla de aprendizaje de Rescorla y Wagner, y lo usamos para abordar tres tareas de aprendizaje que plantean desafíos a una vista asociativa del aprendizaje de categorías. A través de tres simulaciones computacionales, mostramos que el ALF es, de hecho, capaz de hacer las predicciones que parecían problemáticas. En particular, en nuestras simulaciones usamos exactamente el mismo modelo y especificaciones, lo que da fe de la generalidad de nuestra cuenta. Discutimos las consecuencias de nuestros hallazgos para la categoría literatura de aprendizaje. (Registro de base de datos de PsycInfo (c) 2022 APA, todos los derechos reservados)