|
| 认知功能 |
操作的概述 |
|
重心的一代
任务:1 - 3 |
缓冲区牵连:混合、形象和目标
偏见:实例化基础概率忽视,锚定与调整
模型生成一个类质心的聚合整体感知事件(关于美军)在内存中通过混合内存检索机制。判断是基于生成centroid-of-centroids通过执行混合检索所有先前生成的质心,从而倾向于锚早期判断。因为每个类别都有同等数量的重心,这种机制明确忽视了基准利率 |
|
路径规划
任务:3 - 4 |
缓冲区牵连:检索、形象和目标
偏见实例化:锚定与调整
模型解析道路为一组十字路口和路段。模型hill-climbs从类别质心和附加相邻路段直到到达调查事件。道路段的长度被认为诚实地;然而,当回忆长度受到自下而上的知觉的影响机制(例如,曲线的复杂性和长度)模拟的幂律指数小于团结。这导致低估的时间更长,更有曲线段,导致感知长段时倾向于锚 |
|
概率调整
任务:1 - 6 |
缓冲区牵连:混合、形象和目标
偏见实例化:锚定在重证据,确认偏见
先验概率的模型表示和乘法因子规则,然后试图估计正确的后通过执行一个混合检索相似的块在内存中基于实例学习的一种形式。自然倾向向均数回归混合检索导致锚定的偏见在低概率更高的概率和确认偏误。部分匹配机制用于允许在DM之前和类似的值之间的匹配 |
|
资源分配
任务:1 - 6 |
缓冲区牵连:混合、形象和目标
偏见:实例化概率匹配
模型需要分配给一个类别的概率,然后估计的预期结果执行混合检索使用的概率作为提示。检索的结果值块的预期结果是审判。接下来,执行一个额外的混合检索基于概率和预期的结果,其输出的资源分配
反馈后,模型存储主要类别概率,资源分配和实际试验结果。两个反设事实了,表示会发生什么,如果一个赢家通吃的或纯概率匹配资源分配发生。负面的反馈在迫使赢家通吃的作业任务1 - 3中导致概率匹配任务4 - 6 |
|
层选择
任务:4 - 6 |
缓冲区牵连:混合、目标
偏见实例化:确认偏误
在任务6中,模型使用部分匹配找到块代表过去的图层选区的经验,类似于目前的情况(概率分布的假设)。如果检索成功,模型试图估计每个潜在的效用层选择通过执行混合检索在过去的公用事业layer-choice结果在类似的情况下。最高的一层选择工具选择。如果模型未能检索过去的经历类似于目前的情况下,它执行一个“预见性”搜索通过计算的期望效用功能层。精神移动搜索的数量不会经常被详尽的
混合检索机制会平均效用的不同功能层根据之前经验任务4和5(功能层提供了参与者),除了之前的试验任务6。 |
|
|
