本文提出了一种计算神经网络模型，解释了海马如何对老鼠中观察到的传递性推断性能做出贡献。 与通过灵活地将先前编码的记忆相关联来强调海马体的贡献的现有理论相反，我们发现海马体通过在学习期间改变个体刺激元素的元素相关权重来做出贡献。 我们使用此模型来计算一系列现有数据，并进行一系列独特的预测，明确对比这两种观点。
Frank模型参考翻译2