Cognitive control in majority search: a computational modeling approach.
Cognitive control in majority search: a computational modeling approach.
复制标题
DOI：
10.3389/fnhum.2011.00016
复制
发表时间：
2011
影响因子：
2.9
通讯作者：
Fan J
中科院分区：
文献类型：
--
作者：
Wang H;Liu X;Fan J
尽管认知控制在许多涉及不确定性的认知任务中的重要性，但认知控制响应不确定性的计算机制仍不清楚。在这项研究中，我们开发了生物现实的神经网络模型来研究多数功能任务中的认知控制的实例化，其中一个确定的类别，在一组中的大多数项目属于。构建了两个模型，这两个模型都包括相同的一组代表任务相关脑功能的模块，并共享相同的模型结构。然而，随着模型参数设置的关键变化，这两个模型实现了两种不同的底层算法：一种用于分组搜索（其中对项目的子组进行采样和重新采样，直到找到一致的样本），另一种用于自终止搜索（其中对项目进行逐个扫描和计数，直到决定大多数）。这两种算法对认知控制的参与有着不同的影响。建模结果表明，虽然这两种模型都能够执行任务，分组搜索模型更适合人类数据比自终止搜索模型。对模型性能的动力学基础的研究揭示了认知控制如何在大脑中被实例化以计算多数函数。
Despite the importance of cognitive control in many cognitive tasks involving uncertainty, the computational mechanisms of cognitive control in response to uncertainty remain unclear. In this study, we develop biologically realistic neural network models to investigate the instantiation of cognitive control in a majority function task, where one determines the category to which the majority of items in a group belong. Two models are constructed, both of which include the same set of modules representing task-relevant brain functions and share the same model structure. However, with a critical change of a model parameter setting, the two models implement two different underlying algorithms: one for grouping search (where a subgroup of items are sampled and re-sampled until a congruent sample is found) and the other for self-terminating search (where the items are scanned and counted one-by-one until the majority is decided). The two algorithms hold distinct implications for the involvement of cognitive control. The modeling results show that while both models are able to perform the task, the grouping search model fit the human data better than the self-terminating search model. An examination of the dynamics underlying model performance reveals how cognitive control might be instantiated in the brain for computing the majority function.
登录
查看更多内容
影响因子：
25
作者：
Huettel, SA;Mack, PB;McCarthy, G
通讯作者：
McCarthy, G
影响因子：
3.7
作者：
Fan, Jin;Guise, Kevin G.;Liu, Xun;Wang, Hongbin
通讯作者：
Wang, Hongbin
影响因子：
64.8
作者：
Najemnik, J;Geisler, WS
通讯作者：
Geisler, WS
影响因子：
25
作者：
Kouneiher, Frederique;Charron, Sylvain;Koechlin, Etienne
通讯作者：
Koechlin, Etienne
影响因子：
2.9
作者：
Nee, Derek Evan;Wager, Tor D.;Jonides, John
通讯作者：
Jonides, John