选择策略之间的条性仲裁指导了几次射击的适应

科学领域:

• 神经科学是一个神经科学.
• 动物行为 动物行为
• 计算神经科学是一种神经科学.

背景情况:

• 动物在动态环境中表现出快速的行动变化,需要有效的适应策略.
• 背景转换的挑战需要基于环境反的灵活行为调整.

研究的目的:

• 调查动物在预期和意外结果后采用的不同的行动选择策略.
• 开发和验证一个计算模型,解释行为适应对结果预期的反应.
• 阐明神经机制,特别是在条纹体内,是这些适应性策略的基础.

主要方法:

• 设计了新的行为措施来区分预期和意想不到的事件后的试验动态.
• 在各种动物物种和任务复杂度中利用逆向学习任务.
• 开发了一个计算模型,结合了结果随机决策变量 (支持-停留和冲突转移偏差).
• 分析了电生理学数据,以确定模型变量的神经相关性.
• 执行状通路 (直接和间接) 的有针对性的失活,以评估它们的因果作用.

主要成果:

• 传统的学习模型未能捕捉出意外结果后的选择行为.
• 提出的模型,基于结果预期的独特决策变量,成功地复制了观察到的行为.
• 发现状神经元对拟议的计算模型的关键变量进行编码.
• 条形状直接和间接通路的失活选择性地破坏了过去结果对意外事件后行动选择的影响.

结论:

• 意想不到的结果引发了独特的行动选择策略,与那些遵循预期结果的策略不同.
• 条形体在快速学习的不同适应性策略之间进行仲裁方面发挥着至关重要的作用 (短暂适应).
• 这些发现突出了状直径和间接直径在调节基于结果历史和预期的行为中的特定作用.