#paper, Prior probability cues bias sensory encoding with increasing task exposure, doi:https://elifesciences.org/articles/91135.先验影响被试的反应时间和反应结果，之前的计算模型通常将先验的影响归因于选择方案时的调整（即先验的影响发生在决策阶段）。然而，最近的研究表明，先验也可能直接影响感官证据（似然）。在本研究中，研究者用脑电图记录了神经活动，同时被试在多个测试过程中使用有效先验、无效先验或中性先验执行对比辨别任务。研究者通过对比依赖的稳态视觉诱发电位（SSVEP）测量了感觉证据编码，而标准调整的读数则由运动皮层上的效应器选择性 mu-β 带活动提供。研究着发现先验对运动和SSVEP 均产生了显着的调节。研究表明，除了对决策过程进行战略调整之外，先验概率信息还会引起编码的偏差。

#paper, Curriculum Learning and Imitation Learning for Model-free Control on Financial Time-series, doi:https://doi.org/10.48550/arXiv.2311.13326,这篇论文针对金融时间序列的无模型控制问题,提出了一种新颖的解决思路。传统的强化学习方法在这一领域面临训练数据有限且噪声大的挑战。为此,本文探索了将课程学习和模仿学习这两种在机器人领域已有成功应用的范式引入到金融问题中。通过在两个代表性的数据集上的大量实证实验,论文发现课程学习能够显著提升强化学习算法在复杂金融时间序列决策中的表现,优于所有baseline方法。课程学习通过数据增强逐步提高训练任务的难度,体现了 "由易到难" 的学习策略。实验表明,这种适度的数据平滑可以有效降低数据中的噪声,使得强化学习算法更好地捕捉到真实的市场信号。 相比之下,直接应用模仿学习的效果并不理想。进一步的分析表明,这可能是由于模仿学习在去除噪声的同时,也丢失了部分关键的市场信号。从统计学的角度看,模仿学习实现了噪声和信号的分解,但过度的去噪反而损害了策略学习的效果。 本文的理论贡献在于提出了一个信号噪声分解的统计框架,用于解释课程学习和模仿学习在金融时间序列问题上的效果差异。这一框架也为算法的改进提供了新的思路。此外,论文还讨论了一些有待未来进一步探索的方向,包括考察信号噪声分解的非平稳特性,探索其他形式的数据平滑方法,以及将课程学习拓展应用到其他类型的高噪声时间序列学习任务中。

#paper Yamashita S, Tanaka M, Ida C, Kouyama K, Nakae S, Matsuki T, Tsuda M, Shirai T, Kamemura K, Nishi Y, Moss J, Miwa M. Physiological levels of poly(ADP-ribose) during the cell cycle regulate HeLa cell proliferation. Exp Cell Res. 2022 Aug 1;417(1):113163. doi: 10.1016/j.yexcr.2022.113163. Epub 2022 Apr 18. PMID: 35447104; PMCID: PMC10009817. PAR: Poly(ADP-ribose) ;PARG Poly(ADP-ribose) glycohydrolase ; PARP Poly(ADP-ribose) polymerase ;该文章在在不使用PARG抑制剂的情况下量化了HeLa细胞整个细胞周期内PAR的基本水平，发现S期的PAR水平显着高于G1期，其次非应激条件下PAR的半衰期小于40秒，这与S期大量NAD +的消耗一致，这是由PARP抑制剂挽救的。第三，PARP抑制剂使细胞周期延迟至S期。第四，S期期间PAR水平的增加与PARP1、PARG、NAD +和pERK2的水平无关。第五，纯化的 PARP1 在 DNA 不存在的情况下被组蛋白 H4 激活。PARP 抑制剂延迟 S 期细胞周期并减少细胞增殖。