| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.3 论文研究内容 | 第20-21页 |
| 1.4 论文组织结构 | 第21-23页 |
| 第二章 强化学习用于决策建模的理论基础 | 第23-35页 |
| 2.1 引言 | 第23页 |
| 2.2 决策过程建模 | 第23-24页 |
| 2.3 决策过程中的强化学习算法 | 第24-30页 |
| 2.3.1 TD学习 | 第24-27页 |
| 2.3.2 Q学习与SARSA学习 | 第27-29页 |
| 2.3.3 策略梯度算法 | 第29-30页 |
| 2.4 大脑执行强化学习的过程 | 第30-34页 |
| 2.5 小结 | 第34-35页 |
| 第三章 基于外部奖励的单阶段感知决策任务与策略算法 | 第35-59页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于PyQt的单阶段感知决策任务设计与实现 | 第36-43页 |
| 3.2.1 单阶段感知决策任务功能设计 | 第36-39页 |
| 3.2.2 单阶段感知决策任务开发与实现 | 第39-42页 |
| 3.2.3 实验流程 | 第42-43页 |
| 3.3 基于外部奖励的策略算法 | 第43-48页 |
| 3.4 行为数据的统计分析 | 第48-50页 |
| 3.5 基于外部奖励的策略模型与行为数据对比分析 | 第50-57页 |
| 3.6 讨论与结论 | 第57-59页 |
| 第四章 结合内外部奖励的双阶段感知决策任务与策略算法 | 第59-85页 |
| 4.1 引言 | 第59页 |
| 4.2 基于PsychoPy的双阶段感知决策任务设计与实现 | 第59-67页 |
| 4.2.1 双阶段感知决策任务功能设计 | 第59-63页 |
| 4.2.2 双阶段感知决策任务开发与实现 | 第63-65页 |
| 4.2.3 实验流程 | 第65-67页 |
| 4.3 结合内外部奖励的策略算法 | 第67-70页 |
| 4.4 行为数据的统计分析 | 第70-74页 |
| 4.5 结合内外部奖励的策略模型与行为数据对比分析 | 第74-82页 |
| 4.6 讨论与结论 | 第82-85页 |
| 第五章 结论与展望 | 第85-87页 |
| 5.1 结论 | 第85-86页 |
| 5.2 展望 | 第86-87页 |
| 参考文献 | 第87-92页 |
| 附录 | 第92-98页 |
| 致谢 | 第98-100页 |
| 作者简介 | 第100-102页 |
| 1 作者简历 | 第100页 |
| 2 攻读硕士学位期间发表的学术论文 | 第100页 |
| 3 发明专利 | 第100-102页 |
| 学位论文数据集 | 第102页 |
