Red neural artificial del sistema mesolímbico-cortical que simula el aprendizaje discriminativo y de inversión

Autor:	M A Guevara, M Hernández González, M E Olvera Cortés, F A Robles Aguirre
Jazyk:	Spanish; Castilian
Rok vydání:	2012
Předmět:	Aprendizaje sin entrenamiento previo redes neurales artificiales corteza orbitofrontal sistema mesolímbico cortical Ingeniería aprendizaje de inversión
Zdroj:	Universidad de Guadalajara UDG Redalyc-UDG
Popis:	En el presente estudio se desarrolló un modelo conexionista de aprendizaje no supervisado para simular una tarea de discriminación en un número reducido de iteraciones sin entrenamiento previo a la tarea. La red neural artificial consideró características neurofisiológicas de algunas de las estructuras del sistema dopaminérgico mesolímbico amígdala (AMG), corteza orbitofrontal (COF), área tegmental ventral (ATV) y núcleo accumbens (ACC). El modelo generó respuestas similares a las emitidas por ratas macho durante una tarea de discriminación e inversión en un laberinto T, usando como recompensa un incentivo sexual. En la actividad de las estructuras simuladas, se hallaron los fenómenos de preferencia de reforzador e inversión de la preferencia durante la inversión del incentivo en ACC y ATV; una codificación temprana en AMG; además de una codificación retardada y aumento en el reclutamiento de nodos neurales en la COF ante la inversión. Por último, las estructuras de salida mostraron una actividad de expectativa anterior a la entrega del reforzador.
Databáze:	OpenAIRE
Externí odkaz:	https://explore.openaire.eu/search/publication?articleId=od______3056::d80535bbf44ec2f51259a42094cda9b1 http://www.redalyc.org/articulo.oa?id=61936301001 Zobrazit plný text záznamu