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

Autores/as

  • M. A. Guevara
  • M. Hernández-González
  • M. E. Olvera-Cortés
  • Francisco Abelardo Robles Aguirre

Resumen

 

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 codi ficación 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

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2012-06-15

Cómo citar

Guevara, M. A., Hernández-González, M., Olvera-Cortés, M. E., & Robles Aguirre, F. A. (2012). Red neural artificial del sistema mesolímbico-cortical que simula el aprendizaje discriminativo y de inversión. Revista Mexicana De Ingenieria Biomedica, 33(1), 8–16. Recuperado a partir de https://rmib.com.mx/index.php/rmib/article/view/224

Número

Sección

Artículos de Investigación

Citas Dimensions