[3P] E. 行動の分子・神経的基盤 1

[3P-065] 24時間連続型オペラント箱を用いた学習係数の推定

*太田 宏之¹、佐鳥 玖仁朗²、宝田 悠²、荒毛 将史¹、守本 裕司¹、高橋 達二²、石塚 俊晶¹ (1. 防衛医科大学校、2. 東京電機大学)

キーワード：Operant conditioning, Multi armed bandit problem, Reinforcement learning