TY - Jour A2 - 乌霍夫斯基2011年AB - 传统的人工神经网络学习模型遭受 灾难性干扰。它们通常培训，只能执行特定的任务，并且在新任务中培训时，它们忘记了完全的原始摊。已经表明，由联邦认知建模框架，特别是快速的横向抑制和局部突触塑性模型所体现的基础神经科学原理包含了两种相关和基于误差的组件，足以在很大程度上克服多种运动技能的顺序学习期间的这种限制。还提供了表明，当然，当然，即将概括了运动技能的后续，这是合适的。在本文中，我们在多次任务的顺序学习期间提供了对BeNBRA的一致化程度的详细分析。为了比较，我们测量误差学习算法的逆产展出的概率。此外，我们展示了顺序学习对一对运动的适用性，这些运动是模拟机器人手臂的运动。SN - 1687-9600 UR - https://doi.org/10.1155/2011/617613 do - 10.1155 / 2011/617613 JF - 机器人PB - Hindwi Publishing Corporation KW - ER -