論文の概要: PALMS: Pavlovian Associative Learning Models Simulator

• arxiv url: http://arxiv.org/abs/2602.07519v2
• Date: Tue, 10 Feb 2026 08:39:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 15:31:42.935907
• Title: PALMS: Pavlovian Associative Learning Models Simulator
• Title（参考訳）: PALMS: Pavlovian Associative Learning Models Simulator
• Authors: Martin Fixman, Alessandro Abati, Julián Jiménez Nimmo, Sean Lim, Esther Mondragón,
• Abstract要約: 本稿では,パブロヴィアン・アソシエーション・ラーニング・モデル・シミュレータ(PALMS)を紹介する。 PALMSは、パブロヴィアン条件付け実験をシミュレートするPython環境である。
• 参考スコア（独自算出の注目度）: 36.94429692322632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulations are an indispensable step in the cycle of theory development and refinement, helping researchers formulate precise definitions, generate models, and make accurate predictions. This paper introduces the Pavlovian Associative Learning Models Simulator (PALMS), a Python environment to simulate Pavlovian conditioning experiments. In addition to the canonical Rescorla-Wagner model, PALMS incorporates several attentional learning approaches, including Pearce-Kaye-Hall, Mackintosh Extended, Le Pelley's Hybrid, and a novel extension of the Rescorla-Wagner model with a unified variable learning rate that integrates Mackintosh's and Pearce and Hall's opposing conceptualisations. The simulator's graphical interface allows for the input of entire experimental designs in an alphanumeric format, akin to that used by experimental neuroscientists. Moreover, it uniquely enables the simulation of experiments involving hundreds of stimuli, as well as the computation of configural cues and configural-cue compounds across all models, thereby considerably expanding their predictive capabilities. PALMS operates efficiently, providing instant visualisation of results, supporting rapid, precise comparisons of various models' predictions within a single architecture and environment. Furthermore, graphic displays can be easily saved, and simulated data can be exported to spreadsheets. To illustrate the simulator's capabilities and functionalities, we provide a detailed description of the software and examples of use, reproducing published experiments in the associative learning literature. PALMS is licensed under the open-source GNU Lesser General Public License 3.0. The simulator source code and the latest multiplatform release build are accessible as a GitHub repository at https://github.com/cal-r/PALMS-Simulator
• Abstract（参考訳）: シミュレーションは理論の発展と洗練のサイクルにおいて必須のステップであり、研究者が正確な定義を定式化し、モデルを生成し、正確な予測を行うのを助ける。 本稿では,Pavlovian Associative Learning Models Simulator (PALMS)を紹介する。 標準的なRescorla-Wagnerモデルに加えて、Pearce-Kaye-Hall、Mackintosh Extended、Le Pelley's Hybrid、およびMackintoshとPearceとホールの対立する概念を統合した統一された可変学習率を備えたRescorla-Wagnerモデルの新たな拡張など、いくつかの注意深い学習アプローチが組み込まれている。 シミュレーターのグラフィカルインタフェースは、実験神経科学者が使用するものに似た、アルファ数値形式で実験設計全体の入力を可能にする。 さらに、数百の刺激を含む実験のシミュレーションや、すべてのモデルにまたがる構成的キューや構成的キューの計算を可能にし、予測能力を著しく拡張する。 PALMSは効率的に動作し、結果を瞬時に視覚化し、単一のアーキテクチャと環境内で様々なモデルの予測を迅速かつ正確に比較する。 さらに、グラフィック表示を簡単に保存でき、シミュレーションデータをスプレッドシートにエクスポートすることができる。 シミュレータの能力と機能を説明するために,ソフトウェアと使用例を詳述し,連想学習文献に掲載した実験を再現する。 PALMSはオープンソースのGNU Lesser General Public License 3.0でライセンスされている。 シミュレーターソースコードと最新のマルチプラットフォームリリースビルドはhttps://github.com/cal-r/PALMS-SimulatorでGitHubリポジトリとしてアクセスすることができる。

関連論文リスト

• ChronoLLM: Customizing Language Models for Physics-Based Simulation Code Generation [8.554484252096913]
  オープンおよびクローズドソースの大規模言語モデル(LLM)の精細化とカスタマイズのためのフレームワークを提案する。 我々は、PyChrono仮想実験を実行するスクリプトを生成する上で、AIの力を利用する。
  論文  参考訳（メタデータ） (2025-08-19T16:12:51Z)
• KAUCUS: Knowledge Augmented User Simulators for Training Language Model Assistants [3.724713116252253]
  有用な対話データを生成するシミュレータを作成することにより、効果的な指示追従アシスタントを開発することができる。 以前のユーザシミュレータは一般的に多様性に欠けており、ほとんどはクローズドドメインであり、厳密なスキーマを必要としていた。 本稿では,知識強化型ユーザシミュレータフレームワークであるKaucusを紹介し,多様なユーザシミュレータ作成プロセスの概要について述べる。
  論文  参考訳（メタデータ） (2024-01-29T06:57:02Z)
• Learning Interactive Real-World Simulators [96.5991333400566]
  生成モデルを用いて実世界の相互作用の普遍的なシミュレータを学習する可能性について検討する。 シミュレーターを用いて、高レベルな視覚言語ポリシーと低レベルな強化学習ポリシーの両方を訓練する。 ビデオキャプションモデルは、シミュレートされた経験を持つトレーニングの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2023-10-09T19:42:22Z)
• Generalisable Methods for Early Prediction in Interactive Simulations for Education [5.725477071353353]
  シミュレーションにおける生徒のインタラクションデータを,期待性能に基づいて分類することは,適応的な指導を可能にする可能性がある。 まず,学生のタスク内動作を通して概念的理解を計測する。 そこで,我々は,クリックストリームデータから,シミュレーションの状態と学生の行動の両方をエンコードする,新しいタイプの特徴を提案する。
  論文  参考訳（メタデータ） (2022-07-04T14:46:56Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• BayesSimIG: Scalable Parameter Inference for Adaptive Domain Randomization with IsaacGym [59.53949960353792]
  BayesSimIGは、最近リリースされたNVIDIA IsaacGymと統合されたBayesSimの実装を提供するライブラリである。 BayesSimIGはNVIDIABoardと統合して、高次元の後方のスライスを簡単に視覚化する。
  論文  参考訳（メタデータ） (2021-07-09T16:21:31Z)
• Sim-Env: Decoupling OpenAI Gym Environments from Simulation Models [0.0]
  強化学習(RL)は、AI研究の最も活発な分野の1つです。 開発方法論はまだ遅れており、RLアプリケーションの開発を促進するための標準APIが不足している。 多目的エージェントベースのモデルと派生した単一目的強化学習環境の分離開発と保守のためのワークフローとツールを提示する。
  論文  参考訳（メタデータ） (2021-02-19T09:25:21Z)
• Model-Based Reinforcement Learning for Atari [89.3039240303797]
  エージェントがモデルフリーの手法よりも少ないインタラクションでAtariゲームを解くことができることを示す。 本実験は,エージェントと環境間の100kの相互作用の少ないデータ構造における,AtariゲームにおけるSimPLeの評価である。
  論文  参考訳（メタデータ） (2019-03-01T15:40:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。