Operant Conditioning of Single Neuron Activity in Brain-Machine Interfaces
Notice bibliographique
Résumé
Invasive brain-machine interfaces (BMIs) have the potential to restore lost motor function due to paralysis. However, successful operation of BMIs depends on the extent to which neural activity can be volitionally modulated. Operant conditioning of single cortical neurons induces the rapid acquisition of arbitrary associations between machines and neural activity. In this thesis, I aimed at exploring intrinsic and extrinsic factors that influence single neuron behavior in a BMI, guided by operant conditioning in a rat model. Extracellularly recorded single neuron activity, from layer V of the motor cortex, was conditioned in BMI tasks designed to up-regulate instantaneous or smoothed firing rates. In the first two studies (Chapters 3 4), the neuron type was investigated as an intrinsic factor. Differences were found in the neuron-type-specific utility (defined as the degree of activity up-regulation), and in the neuron-type-specific responses in the activity leading to a reward. Next, I investigated the type of BMI task as an extrinsic factor (Chapter 5). Two tasks were compared: (i) a threshold-based task, in which firing rates surpassed a threshold, and (ii) a graded-activation task, where firing rates were maintained within a narrow window of activation. Single neuron activity was selectively up-regulated in the threshold-based task, while the graded activation task involved activation of neurons in the local network. This thesis demonstrates that intrinsic and extrinsic factors have an influence in the behavior of single neurons, and that these factors might inform the design of BMIs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».