USO DE COOKIES Utilizamos cookies necesarias de sistema para el correcto funcionamiento de la web y cookies opcionales de Google Analytics para obtener estadísticas de visita. +info
Configuración cookies
Necesarias
Las cookies necesarias son absolutamente esenciales para que el sitio web funcione correctamente. Esta categoría sólo incluye galletas que garantizan funcionalidades básicas y funciones de seguridad del sitio web. Estas cookies no almacenan información personal.
Nombre
Proveedor
Propiedad
Finalidad
Caducidad
+info
_GRECAPTCHA
google.com
Propia
proveer protección antispam con el servicio el servicio reCaptcha
6 meses
cc_cookie_accept
fidmag.org
Propia
Usada per confirmar que l'usuari ha confirmat / refusat les cookies (i quins tipus accepta)
1 any
WEB_SESSION
fidmag.org
Propia
Cookie técnica: cookie de sessió PHP. Guarda l'id de sessió d'usuari.
al acabar la sessió
Análisis
Les cookies analítiques s'utilitzen per entendre com interactuen els visitantes amb el lloc web. Aquestes cookies ajuden a proporcionar informació sobre mètriques, el nombre de visitants, el percentatge de rebots, la font del trànsit, etc.
Nombre
Proveedor
Propiedad
Finalidad
Caducidad
+info
_ga
Google Analytics
De terceros
Cookie d'anàlisi o mesurament: Identifica els usuaris i proporciona informació sobre com els usuaris troben la pàgina web i com la utilitzen per a realització d'Informes estadístics
2 anys
_gat_gtag_UA_141706552_1
Google Analytics
De terceros
Cookie d'anàlisi o mesurament: Tracking per part de google per google analytics
1 minut
_gid
Google Analytics
De terceros
Cookie d'anàlisi o mesurament: S'usa per limitar el percentatge de sol·licituds
Reward and fictive prediction error signals in ventral striatum: asymmetry between factual and counterfactual processing.
Santo-Angles A, Fuentes-Claramonte P, Argila-Plaza I, Guardiola-Ripoll M, Almodóvar-Payá C, Munuera J, McKenna PJ, Pomarol-Clotet E, Radua J
Servicio limitado a colaboradores de la res de centros de Hermanas Hospitalarias. Recibireis un mensaje en vuestro correo electrònico con un enlace para la descarga del presente artículo.
Abstract
Reward prediction error, the difference between the expected and obtained reward, is known to act as a reinforcement learning neural signal. In the current study, we propose a model fitting approach that combines behavioral and neural data to fit computational models of reinforcement learning. Briefly, we penalized subject-specific fitted parameters that moved away too far from the group median, except when that deviation led to an improvement in the model's fit to neural responses. By means of a probabilistic monetary learning task and fMRI, we compared our approach with standard model fitting methods. Q-learning outperformed actor-critic at both behavioral and neural level, although the inclusion of neuroimaging data into model fitting improved the fit of actor-critic models. We observed both action-value and state-value prediction error signals in the striatum, while standard model fitting approaches failed to capture state-value signals. Finally, left ventral striatum correlated with reward prediction error while right ventral striatum with fictive prediction error, suggesting a functional hemispheric asymmetry regarding prediction-error driven learning.
![isciii[1]](https://fidmag.org/es/img/0-60-ESCALA/isciii1.png "isciii[1]")
