One of the major neuropsychological models of personality, developed by world-renowned psychologist Professor Jeffrey Gray, is based upon individual differences in reactions to punishing and ...rewarding stimuli. This biological theory of personality - now widely known as 'Reinforcement Sensitivity Theory' (RST) - has had a major influence on motivation, emotion and psychopathology research. In 2000, RST was substantially revised by Jeffrey Gray, together with Neil McNaughton, and this revised theory proposed three principal motivation/emotion systems: the 'Fight-Flight-Freeze System' (FFFS), the 'Behavioural Approach System' (BAS) and the 'Behavioural Inhibition System' (BIS). This is the first book to summarise the Reinforcement Sensitivity Theory of personality and bring together leading researchers in the field. It summarizes all of the pre-2000 RST research findings, explains and elaborates the implications of the 2000 theory for personality psychology and lays out the future research agenda for RST.
ZusammenfassungHintergrundOnkologen unterliegen hohen – allgemein im ärztlichen Tätigkeitsfeld und typisch in der Onkologie zutreffenden – psychischen Arbeitsbelastungen, die eine mehr oder weniger ...starke Beanspruchung bedeuten können. Krisenzeiten verstärken das Gefühl der negativen Beanspruchung. Viele Studien bestätigen den Zusammenhang zwischen Effort-Reward-Imbalance bzw. beruflichen Gratifikationskrisen im normalen Arbeitsalltag und verschiedenen Erkrankungen. Aufgrund fehlender Studiendaten war das Ziel dieser Pilotstudie, die subjektive psychische und physische Gesundheit ukrainischer Onkologen während der Krisensituationen zu ermitteln. Es soll der Frage nachgegangen werden, inwiefern Assoziationen zwischen Verausgabung, Belohnung sowie Overcommitment und der Gesundheit der Ärzteschaft gelten.MethodikAn dieser Pilotstudie nahmen 23 Onkologen (12 Männer und 11 Frauen) im Alter zwischen 26 und 72 Jahren (im Mittel 47,4 ± 12,74 Jahre) freiwillig teil. Die durchschnittliche Dauer der Berufstätigkeit lag bei 19,0 ± 11,92 Jahren. Es wurden Daten mittels des Fragebogens Effort-Reward-Imbalance (ERI) mit Fragen zum Overcommitment (OC) und des Beschwerdefragebogens (BFB) erhoben. Es erfolgte eine Einteilung zwischen Befragten mit einem normalen ERI-Ratio (≤ 1) oder hohen ERI-Ratio (> 1) für die Gruppenvergleiche der gesundheitlichen Beschwerden. Zudem erfolgte eine Korrelationsanalyse zwischen den ERI-Subskalen, OC und den BFB-Skalen.ErgebnisseDie Verteilung von Alter und Berufsjahren war über die ERI-Gruppen identisch. Bei einer Spannweite von 0,20 bis 1,76 Punkten wiesen einige Onkologen (39,1 %) eine hohe Effort-Reward-Imbalance auf. Die Gesamtstichprobe bot eine durchschnittliche Ausprägung des ERI (0,93 ± 0,40 Punkte). Bei 26,1 % (n = 6) der Gesamtstichprobe fand sich ein erhöhtes OC (> 16 Punkte), wobei 1 Proband davon auch ein ERI > 1 aufwies. Alle 6 Onkologen boten zwar mehr psychische, physische und gesamte Symptomatik im BFB an, was jedoch im Vergleich zu der Gruppe mit einem normalen ERI statistisch nicht signifikant war. Bei 39,1 % (n = 9) der Gesamtstichprobe konnten neurotische Werte im BFB nachgewiesen werden (4 Probanden mit ERI > 1). BFB-Skalen korrelierten nicht mit den ERI-Subskalen und OC.DiskussionDie Daten zeigen eine hohe Beschwerdeprävalenz (39,1 %) sowohl in der Gruppe mit normaler Effort-Reward-Imbalance (35,7 %) als auch in der Gruppe mit hoher ERI-Ratio (44,4 %). Hohen Beanspruchungen kann unterschiedlich lang entgegengewirkt werden. Daher bedarf es betrieblicher Maßnahmen zum Gesundheitserhalt, gerade auch in Krisensituationen. Hier könnte die Arbeitsmedizin in der Ukraine von einem Erfahrungsaustausch zur ganzheitlichen arbeitsmedizinischen Vorsorge mit Arbeitsmedizinern in Deutschland profitieren.
This handbook gathers the many elements of this burgeoning field and organizes them into a concise, powerful, dynamic knowledge base - theory, research, and applications. Its chapters are written by ...leading experts, including the primary developers of PBS.
With the development of deep representation learning, the domain of reinforcement learning (RL) has become a powerful learning framework now capable of learning complex policies in high dimensional ...environments. This review summarises deep reinforcement learning (DRL) algorithms and provides a taxonomy of automated driving tasks where (D)RL methods have been employed, while addressing key computational challenges in real world deployment of autonomous driving agents. It also delineates adjacent domains such as behavior cloning, imitation learning, inverse reinforcement learning that are related but are not classical RL algorithms. The role of simulators in training agents, methods to validate, test and robustify existing solutions in RL are discussed.
Reinforcement learning (RL) is a promising data-driven approach for adaptive traffic signal control (ATSC) in complex urban traffic networks, and deep neural networks further enhance its learning ...power. However, the centralized RL is infeasible for large-scale ATSC due to the extremely high dimension of the joint action space. The multi-agent RL (MARL) overcomes the scalability issue by distributing the global control to each local RL agent, but it introduces new challenges: now, the environment becomes partially observable from the viewpoint of each local agent due to limited communication among agents. Most existing studies in MARL focus on designing efficient communication and coordination among traditional Q-learning agents. This paper presents, for the first time, a fully scalable and decentralized MARL algorithm for the state-of-the-art deep RL agent, advantage actor critic (A2C), within the context of ATSC. In particular, two methods are proposed to stabilize the learning procedure, by improving the observability and reducing the learning difficulty of each local agent. The proposed multi-agent A2C is compared against independent A2C and independent Q-learning algorithms, in both a large synthetic traffic grid and a large real-world traffic network of Monaco city, under simulated peak-hour traffic dynamics. The results demonstrate its optimality, robustness, and sample efficiency over the other state-of-the-art decentralized MARL algorithms.
Habits Without Values Miller, Kevin J; Shenhav, Amitai; Ludvig, Elliot A
Psychological review,
03/2019, Volume:
126, Issue:
2
Journal Article
Peer reviewed
Open access
Habits form a crucial component of behavior. In recent years, key computational models have conceptualized habits as arising from model-free reinforcement learning mechanisms, which typically select ...between available actions based on the future value expected to result from each. Traditionally, however, habits have been understood as behaviors that can be triggered directly by a stimulus, without requiring the animal to evaluate expected outcomes. Here, we develop a computational model instantiating this traditional view, in which habits develop through the direct strengthening of recently taken actions rather than through the encoding of outcomes. We demonstrate that this model accounts for key behavioral manifestations of habits, including insensitivity to outcome devaluation and contingency degradation, as well as the effects of reinforcement schedule on the rate of habit formation. The model also explains the prevalent observation of perseveration in repeated-choice tasks as an additional behavioral manifestation of the habit system. We suggest that mapping habitual behaviors onto value-free mechanisms provides a parsimonious account of existing behavioral and neural data. This mapping may provide a new foundation for building robust and comprehensive models of the interaction of habits with other, more goal-directed types of behaviors and help to better guide research into the neural mechanisms underlying control of instrumental behavior more generally.
PDF
