郑州大学电气工程学院王东署副教授与美国密歇根州立大学计算机科学与工程系类脑认知实验室合作，在机器人类脑行为决策领域取得重要研究进展。相关研究成果“Motivated Optimal Developmental Learning for Sequential Tasks Without Using Rigid Time-Discounts”于2018年10月在中科院一区Top期刊《IEEE Transactions on Neural Networks and Learning Systems》上发表（影响因子11.683）。我院王东署副教授为论文第一作者兼通讯作者，郑州大学为论文第一单位和通讯单位。

  该论文研究：（1）首次将发育网络的应用由模式识别领域扩展到序列任务领域，如机器人的环境认知；（2）之前的工作只定量研究了血清素和多巴胺对发育网络运动皮层神经元学习率的影响，在此基础上，本论文进一步研究了血清素和多巴胺对发育网络中间层神经元学习率的影响；网络学习后，获胜的行为不仅能自动考虑期望的奖励和惩罚，而且这些事件可以有更多的资源来源（来自于叶成分分析中自组织的神经招募机制）。特别的，对未来强化学习的预测通过发育网络各个区域的神经竞争实现，无需严格的时间折扣；（3）研究了不同的 “教师信号”对机器人行为决策的影响；（4）比较了涌现的神经调节系统与符号表示的调节系统的性能，实验验证了涌现的神经调节系统的优越性。

论文信息：Dongshu Wang, Yihai Duan, Juyang Weng, Motivated optimal developmental learning for sequential tasks without using rigid time-discounts. IEEE Transactions on Neural Networks and Learning Systems, 2018, 29 (10): 4917-4931.