MétaCan
Menu
Retour à la cohorte
Enregistrement W2952168069 · doi:10.32470/ccn.2018.1165-0

Disinhibition as a canonical neural mechanism for flexible behavior

2018· article· en· W2952168069 sur OpenAlexaff
Dominic Standage, Martin Paré, Gunnar Blohm

Notice bibliographique

Revue2018 Conference on Cognitive Computational Neuroscience · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueNeuroendocrine regulation and behavior
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMechanism (biology)DisinhibitionComputer scienceArtificial neural networkArtificial intelligenceHuman–computer interactionCognitive sciencePsychologyNeurosciencePhysics

Résumé

récupéré en direct d'OpenAlex

Flexibility is a hallmark of human and animal behavior, but the context-dependent neural computations that generate flexible behavior are poorly understood. Here, we use a biophysically-based cortical network model to explore the hypothesis that vasoactive intestinal polypeptide (VIP) expressing inhibitory interneurons control local circuit dynamics by targeting other classes of inhibitory interneuron, supporting context-dependent computations. Depending on the strength of this disinhibition (simulating VIP activity), network dynamics support multiple-item working memory (WM, strong disinhibition) or decision making (DM, weak disinhibition). Within these regimes, disinhibition controls WM capacity and speed-accuracy-trade-off in choice behavior. Our findings suggest that long-range trans-cortical VIP-mediated disinhibition is a canonical neural mechanism for the top-down control of flexible behavior.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,138
Tête enseignante GPT0,423
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2018 Conference on Cognitive Computational NeuroscienceMême sujetNeuroendocrine regulation and behaviorTravaux en français237 207