动物和灵长类动物:漂移-扩散决策模型中的时间变量获取

科学领域:

• 认知科学 认知科学
• 计算神经科学是一种神经科学.
• 决策科学 决策科学 决策科学

背景情况:

• 顺序采样模型,如漂移扩散模型 (DDM),通过证据积累来解释决策.
• DDM中的时间变量增强功能捕获紧急信号,并可以产生更慢的错误反应时间 (RT).
• 目前尚不清楚,将时间变量增益应用于信号与噪声特征是否会对选择行为产生差异性影响.

研究的目的:

• 调查时间变量增益对DDM内部的信号与噪声组件的不同影响.
• 开发一种节的DDM变体,专注于时间变量增益机制.
• 以计算方式建模和比较跨物种 (老鼠,子,人类) 的选择行为.

主要方法:

• 开发并应用了一个DDM变体,具有受限制的时间变量增益机制.
• 利用计算建模来分析来自老鼠,子和人类的选择行为数据.
• 系统地评估时间变量增益仅应用于漂移速率 (信号) 或噪声的影响.

主要成果:

• 仅仅对DDM的噪声的时间变量增益就产生了较慢的错误RT,与子行为一致.
• 仅仅DDM漂移速率的时间变量增长就导致了更快的错误RT,反映了动物的行为.
• 在人类数据中观察到时间变量增益的最小效应.

结论:

• 对不同DDM组件应用的时间变量增益导致不同的选择行为.
• 这种方法阐明了在决策过程中特定物种的时间变量增益机制.
• 这些发现支持群级建模的实用性,用于捕捉跨物种趋势和系统的数据拟合.