ANN Application in End Depth Computation for Inverted Semicircular Channels.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The orexigenic neuropeptide melanin-concentrating hormone (MCH) is well positioned to play a key role in connecting brain reward and homeostatic systems due to its synthesis in hypothalamic circuitry and receptor expression throughout the cortico-striatal reward circuit. Here we examined whether targeted-deletion of the MCH receptor (MCH-1R) in gene-targeted heterozygote and knockout mice (KO), or systemic treatment with pharmacological agents designed to antagonise MCH-1R in C57BL/6J mice would disrupt two putative consequences of reward learning that rely on different neural circuitries: conditioned reinforcement (CRf) and Pavlovian-instrumental transfer (PIT). Mice were trained to discriminate between presentations of a reward-paired cue (CS+) and an unpaired CS-. Following normal acquisition of the Pavlovian discrimination in all mice, we assessed the capacity for the CS+ to act as a reinforcer for new nose-poke learning (CRf). Pharmacological disruption in control mice and genetic deletion in KO mice impaired CRf test performance, suggesting MCH-1R is necessary for initiating and maintaining behaviors that are under the control of conditioned reinforcers. To examine a dissociable form of reward learning (PIT), a naïve group of mice were trained in separate Pavlovian and instrumental lever training sessions followed by the PIT test. For all mice the CS+ was capable of augmenting ongoing lever responding relative to CS- periods. These results suggest a role for MCH in guiding behavior based on the conditioned reinforcing value of a cue, but not on its incentive motivational value.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle