19

neuotischeEmotion (Subject) / FB_3 (Lesson)

FB_3

This lesson was created by Voluptas.

Learn lesson

This lesson is not released for learning.

back  |  next 1 / 1

Advertisement
  • Elektrophysiologische Korrelate der Feedbackverarbeitung Übersicht Zusammenhang zwischen Feedback- und Fehlerverarbeitung Die „Reinforcement Learning Theorie“ der FRN: Zusammenhang zwischen FRN und Prediction Error Die FRN und das Actor-Critic Modell Eine alternative Theorie der FRN --> PRO-Modell
  • Die „Reinforcement-Learning“ Theorie der FRN Aktivität von Dopamin-Neuronen spiegelt Prediction Error wider Dopamin-Neurone projizieren zum Striatum: Aktualisierung von Vorhersagen und Erwartungen ACC: Integration von Belohnungs- und Handlungsauswahl Holroyd & Coles, 2002: FRN reflektiert Dopamin-Einfluss auf Neurone im ACC FRN wird durch „Prediction Error“ moduliert Reduktion der Aktivität der Dopamin-Neurone disinhibiert ACC-Neuone – FRN ↑ erhöhte Aktivität der Dopamin-Neurone inhibiert ACC-Neuone – FRN ↓
  • wie moduliert der Prediction-Error nach Holroyd & Coles, 2002 die FRN: wie heißt die zugehörige Theorie? Reduktion der Aktivität der Dopamin-Neurone disinhibiert ACC-Neuone – FRN ↑ erhöhte Aktivität der Dopamin-Neurone inhibiert ACC-Neuone – FRN ↓ Die „Reinforcement-Learning“ Theorie der FRN
  • Die FRN und der Prediction Error – und die Feedback-Wahrscheinlichkeit Hajcak et al., 2005: ertse Studie: Aufgabe: „vier Türen, hinter einer/zwei oder drei dieser Türen ist ein Preis versteckt“ -- Proband soll eine Tür auswählen Variation der Belohnugswahrscheinlichkeit durch die Variation der Anzahl der Türen mit verstecktem Preis (1, 2 oder 3) Belohnugswahrscheinlichkeit hat Einfluss auf Belohnungserwartungen und damit „Prediction Error“ Erwartungen spiegeln sich nicht in der FRN Amplitude wider Kritik: aber: subjektive Erwartungen wurden nicht erfasst Feedback kann nicht zur Verhaltensanpassung genutzt werden
  • Die FRN und der Prediction Error – und die Feedback-Wahrscheinlichkeit Hajcak et al., 2005: zweite Studie: Kontrolle der subjektiven Ewartung identische Aufgabe wie in der Vorgängerstudie Aufgabe: „vier Türen, hinter einer/zwei oder drei dieser Türen ist ein Preis versteckt“ -- Proband soll eine Tür auswählen zusätzliche Frage nach der Auswahl einer Tür: „Glaubst Du, dass Du in diesem Durchgang gewinnst?“  Erwartungseffekt auf die FRN, wenn die subjektive Erwartung berücksichtigt wird unerwartetes negatives Feedback: Amplitude wird negativer unerwartetes positives Feedback: Amplitude wird positiver ähnliche Ergebnisse in anderen Studien → Effekt stärker für positives Feedback-->>> „reward positivity“
  • Prediction Error = Differenz zwischen erhaltenem und erwartetem Feedback
  • Erwartungswert = Belohnungswahrscheinlichkeit x Belohnungsgröße
  • Einfluss der Belohnungsgröße auf die FRN und den Prediction Error Auswahl zwischen zwei Karten unterschiedlicher Farbe 4 Farben insgesamt: 2 verbunden mit großen Gewinnen/Verlusten 2 verbunden mit kleinen Gewinnen/Verlusten FRN (gemessen „peak to peak“): größer für Verluste als für Gewinne kodiert Valenz P300: kodiert Größe der Belohnung/Bestrafung P300 für großer Gewinn/Verlust am größten -->>>>  Independent coding hypothesis Kritik: es war vorher bekannt, ob eine eher große oder kleine Belohnung/Bestrafung zu erwarten war-->>>> „adaptive scaling hypothesis“: FRN passt sich an verfügbare Belohnungen/Ergebnisse an
  • „adaptive scaling hypothesis“: FRN passt sich an verfügbare Belohnungen/Ergebnisse an
  • independent coding hypothesis FRN (gemessen „peak to peak“): größer für Verluste als für Gewinne – kodiert Valenz P300: kodiert Größe der Belohnung/Bestrafung
  • Advertisement
  • Einfluss der Belohnungsgröße aud die FRN und den Prediction Error – Holroyd et al., 2004: Auswahl zwischen drei Reizen je drei verschiedene Feedback-Arten  für zwei Bedingungen: Win-Bedingung: kleiner Gewinn (+), großer Gewinn (++), kein Gewinn (o) Lose-Bedingung: kleiner Verlust (-), großer Verlust (--), kein Verlust (o) FRN unterscheidet zwischen verschiedenen Belohnungs-/Bestrafungsgrößen stärkerer Effekt für Gewinne größte FRN für kein Gewinn, gefolgt von kleiner Gewinn u gefolgt von großem Gewinn (=kleinste FRN dieser Bedingung)--> in der Verlustbedingung: FRN-Amplitude am kleinsten für kein Verlust, vergleichbar gleich größere Amplituden für kleiner u größerer Verlust, Unterschiede zwischen den Amplituden war nicht signifikant.
  • Die FRN und der Prediction Error Der Prediction Error ändert sich während des Lernens Wenn die FRN den Prediction Error abbildet, sollte sich eine Veränderung der Amplitude mit dem Lernen einstellen
  • Die FRN und der Prediction Error – Veränderungen mit dem Lernen Eppinger et al., 2008: Lernen von Stimulus-Reaktions-Feedback-Assoziationen (linke vs. rechte Taste) verschiedene Stimuli: Zusammenhang zwischen Tastendruck und positivem Feedback 100 %, 80 % oder 50 % Probandinnen/Probanden lernen für die 100 % und 80 %-Stimuli Entwicklung der FRN über 4 Blöcke (Bins) für den 100 %-Stimulus Amplitudenunterschied zwischen negativem und positivem Feedback (FRN) wird mit der Zeit kleiner – wie der Prediction Error Entwicklung der ERN über 4 Blöcke (Bins) für den 100 %-Stimulus ERN wird mit der Zeit größer
  • Die FRN und das Actor/Critic Modell Yeung et al., 2005 Belohnung in einem von 4 „Ballons“ Bedingung 1: aktive Auswahl einer der 4 Ballons („Choice“) Bedingung 2: „Glücksspiel“ – Start der zufälligen Auswahl durch Tastendruck („No-Choice“) Bedingung 3: „Glücksspiel“ – automatischer Start der zufälligen Auswahl („Oddball“) Amplitudenunterschied (FRN) am größten, wenn Belohnungen Folge eigener Handlungen sind FRN eher assoziiert mit actor als mit critic Komponente
  • Alternative Theorien bzgl. ACC und FRN „Prediction of Response Outcome“ (PRO)-Modell (Alexander & Brown, 2011) Der Anteriore Cinguläre Cortex (ACC) als „Action-Outcome Predictor“ wird durch alle unerwarteten Ereignisse gleichermaßen aktiviert Fehler und negatives Feedback lösen nur deswegen eine größere ERN/FRN aus als korrekte Reaktionen und positives Feedback, weil sie seltener und damit unerwartet sind bei gleicher objektiver Wahrscheinlichkeit – „optimistischer Bias“ Theoretisch müssten somit unerwartete positive Ereignisse auch mit größerer ACC-Aktivität einher gehen
  • „Prediction of Response Outcome“ (PRO)-Modell (Alexander & Brown, 2011) Der Anteriore Cinguläre Cortex (ACC) als „Action-Outcome Predictor“ wird durch alle unerwarteten Ereignisse gleichermaßen aktiviert
  • Der ACC und Erwartungs-Verletzungen Ferdinand et al., 2012: „time estimation task“: Taste drücken 2,5 Sekunden nach dem Verschwinden eines Reize drei FB-Arten: meistens intermediate gleich selten positives/negatives FB ähnliche FRN für negatives und positives Feedback beide Feedbackarten gleich unerwartet, beide unterscheiden sich von „intermediate“ Feedback Aber: zusätzliche Unterschiede im Signal zwischen negativem und positivem Feedback
  • Der ACC und Erwartungs- Verletzungen Jessup et al., 2010: Glücksspiel mit unterschiedlichen Gewinnwahrscheinlichkeiten zwei Bedingungen Auswahl zwischen sicheren 3$ 64$ mit 20%iger Wahrscheinlichkeit geringe Gewinnwahrscheinlichkeit bei Wahl der nicht-sicheren Option--> Gewinn = unerwartet Auswahl zwischen sicheren 3§ 4$ mit 80% Gewinnwahrscheinlichkeit hohe Gewinnwahrscheinlichkeit bei Wahl der nicht-sicheren Option--> kein Gewinn = unerwartet Aktivität im ACC für Interaktion zwischen Bedingung und Ergebnis (Gewinn, Verlust) stärkere Aktivität für unerwartete Ergebnisse, unabhängig von Gewinn/Verlust
  • FRN/ACC und Feedbackverarbeitung – Zusammenfassung Die FRN spiegelt einen Prediction Error wider Amplitudenunterschied zwischen negativem und positivem Feedback sensitiv für Belohnungswahrscheinlichkeit Belohnungsgröße lernbedingte Veränderungen der Erwartung Sie ist stärker ausgeprägt, wenn das Feedback auf eigene Handlungen folgt – „actor“-Komponente die FRN wurde auch mit allgemein unerwarteten Ereignissen in Verbindung gebracht (PRO-Modell)--> eher zusätzlicher Prozess als Alternative zur „Reinforcement-Learning Theorie“

back  |  next 1 / 1