序列依赖性敏感性解释线索间隔分离时决策的准确性
神经元与认知
2018-10-29 v1
摘要
大多数决策需要从以不同时间间隔呈现的刺激中收集信息。事实上，大脑对这种信息整合的处理过程很少是模糊的。最近有研究声称，人类能够最优地整合两个离散脉冲的信息，且与它们之间的时间间隔无关。有趣的是，受试者在具有两个离散脉冲的此类任务上的表现优于完美累加器所能预测的结果。尽管已提出众多神经元模型和描述性模型来解释知觉决策的机制，但无一能解释人类在该双脉冲任务中的行为。为探究上述任务中的决策机制，我们使用了一组基于不同假设的改进漂移扩散模型。模型比较表明，在信息于不同时刻到达的序列中，较早证据的累积信息会影响较晚证据的信息累积过程。研究表明，信息提取速率取决于该脉冲是第一个还是第二个。所提出的模型也能解释 Kiani 等人 2013 年所展示的第二个脉冲的更强效应。
引用
@article{arxiv.1810.11248,
title = {Sequence-dependent sensitivity explains the accuracy of decisions when cues are separated with a gap},
author = {Maryam Tohidi-Moghaddam and Sajjad Zabbah and Farzaneh Olianezhad and Reza Ebrahimpour},
journal= {arXiv preprint arXiv:1810.11248},
year = {2018}
}