Operant conditioning reveals task-specific responses of single neurons in a brain–machine interface
Notice bibliographique
Résumé
Abstract Objective . Volitional modulation of single cortical neurons holds great potential for the implementation of brain–machine interfaces (BMIs) because it can induce a rapid acquisition of arbitrary associations between machines and neural activity. It can also be used as a framework to study the limits of single-neuron control in BMIs. Approach . We tested the control of a one-dimensional actuator in two BMI tasks which differed only in the neural contingency that determined when a reward was dispensed. A thresholded activity task, commonly implemented in single-neuron BMI control, consisted of reaching or exceeding a neuron activity level, while the second task consisted of reaching and maintaining a narrow neuron activity level (i.e. windowed activity task). Main findings . Single neurons in layer V of the motor cortex of rats improved performance during both the thresholded activity and windowed activity BMI tasks. However, correct performance during the windowed activity task was accompanied by activation of neighboring neurons, not in direct control of the BMI. In contrast, only neurons in direct control of the BMI were active at the time of reward during the thresholded activity task. Significance . These results suggest that thresholded activity single-neuron BMI implementations are more appropriate compared to windowed activity BMI tasks to capitalize on the adaptability of cortical circuits to acquire novel arbitrary skills.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».