目标和干扰器空间概率的统计学学习形成了一个共同的注意力优先计算.

科学领域:

• 认知神经科学 认知神经科学
• 神经可塑性 神经可塑性
• 注意力控制控制的注意力控制.

背景情况:

• 专门的神经认知机制被建议用于抑制不相关的分心因素.
• 经验依赖的注意力学习可能会诱导注意力电路的塑性变化.
• 之前的研究表明,统计学习 (SL) 影响空间优先级的共享神经基质.

研究的目的:

• 调查专用机制是否支持在冲突的目标和分散器操纵下选择性空间优先级编码.
• 确定与目标和分心器相关的并发SL是否独立地或通过共享机制影响空间优先级.

主要方法:

• 三项涉及人类参与者的实验,在忽视突出的分心因素的同时,区分目标方向.
• 同时操纵特定位置的目标和分散器空间概率分布.
• 选择和抑制偏差的分析,这是由于冲突的SL偶然性造成的.

主要成果:

• 与目标相关的SL选择偏差仅被不利的分心因素意外性略有减少.
• 与干扰器相关的SL抑制偏差被不利的目标偶然性删除或逆转.
• 冲突的SL操纵导致调整一个独特的空间优先级计算.

结论:

• 结果表明SL,即使有相互冲突的输入,也调整了一个单一的空间优先级地图.
• 这表明人们依赖于共享的神经基质来进行注意力过和优先分配.
• 注意力学习似乎修改了一个共同的空间优先级地图,而不是单独的目标/干扰地图.