bioRxiv 预印本· Liu, J., Wang, Y., Feng, J., Zhao, H., He, Q., Yang, X., Liang, B. ·· 13 小时前AI 评分8
后继表征（SR）支持音节序列的结构性学习：bioRxiv 预印本研究
Successor representation supports structural learning of syllable sequences
AI 导读
bioRxiv 预印本研究采用金字塔结构序列学习范式，以约4 Hz自然语速呈现音节流，发现被试表现出稳健的结构性学习，记忆成绩受相邻转换概率不对称调制。后继表征（SR）模型能捕捉非相邻音节对的识别表现，且SR学习效应在所有音节序列中泛化，其效果与认知灵活性和工作记忆容量相关。
来源：bioRxiv 预印本 · biorxiv.org