皮质 β 功率反映了决策边界崩的神经执行加速决策中的神经执行
Hans Kirschner1, Adrian G Fischer2, Claudia Danielmeier3
1Institute of Psychology, Otto-von-Guericke University, Magdeburg D-39106, Germany hans.kirschner@ovgu.de.
概括
这项研究表明,决策涉及动态的,崩的门,而不是固定的门. 这一发现得到了漂移-扩散模型和EEG数据的支持,进步了我们对认知过程的理解.
科学领域:
- 认知神经科学 认知神经科学
- 计算神经科学是一种神经科学.
背景情况:
- 传统的决策模型假定积累证据的固定门.
- 决策门的动态调整对于时间敏感的选择至关重要,但神经计算机制尚不清楚.
研究的目的:
- 研究决策中的动态响应值的神经计算机制.
- 测试结合决策门与固定门在解释决策政策中的有效性.
主要方法:
- 使用多阶段漂移扩散模型 (DDM) 模拟决策过程.
- 分析脑电图 (EEG) 贝塔功率横向化 (BPL) 作为决策信号的神经代理.
- 检查了来自大型加速侧边任务数据集 (N=863) 和确认样本 (N=119) 的数据.
主要成果:
- 具有崩值的DDM比固定值模型更准确地捕捉了依赖时间的决策政策.
- 在回应周围的EEGβ功率横向化 (BPL) 随着反应时间 (RTs) 的增加而减少.
- 研究结果表明,BPL峰值作为决策值的神经代理.
结论:
- 提供了令人信服的证据,证明在人类决策中存在崩的决策值.
- 强调动态值模型对于理解认知过程的重要性.
- 将神经信号 (BPL) 与理论构造 (崩值) 联系起来.
更多相关视频
08:25Combined Invasive Subcortical and Non-invasive Surface Neurophysiological Recordings for the Assessment of Cognitive and Emotional Functions in Humans
Published on: May 19, 2016
10.7K
07:42Dual-Task Stroop Paradigm for Detecting Cognitive Deficits in High-Functioning Stroke Patients
Published on: December 16, 2022
2.9K
