Variabilität im Reinforcement Learning während des Menstruationszyklus
CHF 47.60
Auf Lager
SKU
6U6MMFGR3U3
1 Verfügbar 
Kostenloser Versand ab CHF 50
Geliefert zwischen Do., 30.10.2025 und Fr., 31.10.2025
Details
Entscheidungen geschehen auf Basis verschiedener Lernstrategien, sie können aus vorheriger Belohnung resultieren, Erlerntes aus der Vergangenheit widerspiegeln oder auf möglichen Zielen in der Zukunft beruhen. Beim Reinforcement learning werden auf Grundlage von negativem oder positivem Feedback Entscheidungen getroffen. Mehrere Studien konnten bereits zeigen, dass Entscheidungs- und Lernverhalten durch die zyklusbedingten Hormonschwankungen und der damit zusammenhängenden Dopamin-Freisetzung beeinflusst wird. Während des Menstruationszyklus kommt es, durch die erhöhte Freisetzung des Steroidhormons Östradiol, in der späten Follikelphase (LF) vermutlich zu einem Anstieg der Dopamin-Konzentration, im Gegensatz zum Zyklusbeginn (EF). Durch die erhöhte Östradiol-Konzentration in der LF und dem damit einhergehenden erhöhten Dopamin-Spiegel im Körper, sollten die Probandinnen impulsiver sein, besser über Belohnung und schlechter über Bestrafung lernen. In der EF wird der gegensätzliche Effekt erwartet. Ziel war es herauszuarbeiten, wie sich das Reinforcement Learning und die damit verbundenen Lernstrategien des modellfreien und modellbasierten Lernens während des Zyklus verändern.
30 Tage Rückgaberecht
GarantieWeitere Informationen
- Allgemeine Informationen
- GTIN 09786202212519
- Sprache Deutsch
- Genre Weitere Biologie-Bücher
- Größe H220mm x B150mm x T5mm
- Jahr 2018
- EAN 9786202212519
- Format Kartonierter Einband
- ISBN 978-620-2-21251-9
- Veröffentlichung 17.04.2018
- Titel Variabilität im Reinforcement Learning während des Menstruationszyklus
- Autor Frederike Ohm
- Untertitel Variabilitt im dopaminabhngigen modellbasierten und modellfreien Reinforcement Learning whrend des Menstruationszyklus
- Gewicht 137g
- Herausgeber AV Akademikerverlag
- Anzahl Seiten 80
Bewertungen
Schreiben Sie eine Bewertung
