.png){kind=icon}
返回
Dynamically shifting from compositional to conjunctive brain representations supports cognitive task learning
.png){kind=icon}
OA
AI
DOI：10.1038/s41467-025-65041-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在认知任务学习中，神经表征必须为执行新任务而快速构建，然后为稳健执行练习过的任务而优化。神经表征的几何结构如何变化以实现从新任务到练习过任务的性能过渡尚不清楚。我们假设练习涉及从组合性表征（任务通用活动模式，可在任务间灵活复用）向联结性表征（针对当前任务的特化任务特定活动模式）的转变。在学习多个复杂任务期间的功能磁共振成像证实了这种从组合性到联结性的动态转变，该转变与跨任务干扰的减少（通过模式分离）和行为改善相关。此外，我们发现联结性表征起源于皮层下结构（海马体和小脑），并缓慢扩散至皮层，将多重记忆系统理论扩展至涵盖认知任务学习。因此，联结性表征的强化作为学习的一个计算性标志，反映了人类大脑中优化任务表征的皮层-皮层下动力学。学习将多任务表征从组合性格式转变为联结性格式。皮层联结性表征与练习效应独特相关，并可作为切换成本的指标。皮层下结构对任务规则信息的跨区域绑定至关重要。
Keyword:
compositional representations
conjunctive representations
cognitive task learning
functional MRI
cortical-subcortical dynamics
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
引用论文
分享收藏分享收藏The Cerebellum and Cognitive Function: 25 Years of Insight from Anatomy and Neuroimaging小脑和认知功能: 来自解剖学和神经影像学的25年洞察力.png)
NEURON
OAAI
NEURONIF15
OAAI分享收藏Cognitive task information is transferred between brain regions via resting-state network topologyNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Integration and segregation of large-scale brain networks during short-term task automatizationNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容