通过自适应神经同步来建模认知:使用EEG,fMRI和强化学习的多模式框架

科学领域:

• 计算神经科学是一种神经科学.
• 认知建模 认知建模
• 神经科学是一个神经科学.

背景情况:

• 了解思考作为神经现象是神经科学和计算建模中的一个关键挑战.
• 现有的模型往往缺乏生物学依据,或者无法整合大脑功能的多个方面.

研究的目的:

• 介绍一个基于生物学基础的计算框架,用于模拟跨认知状态的适应性决策.
• 在一个统一的模型中整合神经元同步,代谢能量消耗和强化学习.
• 用真实的EEG和fMRI数据验证模型.

主要方法:

• 使用库拉莫托振荡器模拟的神经元同步,受能源动态多式模式活动配置文件的约束.
• 采用Q学习和深度Q网络 (DQN) 代理来调节输入,以获得最佳的同步和最小的能源成本.
• 通过将模拟输出 (光谱功率,相同步,BOLD活动) 与真实EEG和fMRI数据进行比较来验证模型.

主要成果:

• DQN 代理显示了比 Q 学习快速的融合和优异的性能,将同步错误减少了 40% 以上.
• 该模型成功地复制了正规的大脑状态 (集中注意力,多任务,休息),具有准确的光谱功率和相位同步.
• 交叉模式验证显示与真实BOLD信号的中等相关性,在关键皮层区域具有高的区域特定预测准确性.

结论:

• 开发的框架捕捉了电生理学和空间大脑活动,尊重神经能量约束,并适应性地调节类似大脑状态.
• 这种生物约束模型为模拟认知和开发神经适应系统提供了一个可扩展的平台.
• 这项研究提供了一种新的方法,将思维模型作为控制问题,为未来的大脑与计算机接口铺平了道路.