La cognición es un proceso complejo y dinámico. Es un objetivo esencial estimar los estados atencionales latentes basados en medidas de comportamiento en muchas secuencias de tareas conductuales. Aquí proponemos un modelo probabilístico y un marco de inferencia para estimar el estado atencional utilizando medidas conductuales simultáneas binarias y continuas. El modelo propuesto amplía el modelo de Markov oculto (HMM) estándar modelando explícitamente la distribución de la duración del estado, lo que da lugar a un ejemplo especial del modelo de semi-Markov oculto (HSMM). Validamos nuestros métodos mediante simulaciones por ordenador y datos experimentales. En las simulaciones por ordenador, investigamos sistemáticamente los impactos del desajuste del modelo y la distribución de la latencia. Para los datos experimentales recogidos de una tarea de detección visual de roedores, validamos los resultados con log-likelihood predictivo. Nuestro trabajo es útil para muchos experimentos de neurociencia del comportamiento, donde el objetivo común es inferir las secuencias de estado discretas (binarias o multinomiales) a partir de múltiples medidas de comportamiento.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Preparación de nanopartículas de gelatina recubiertas de poli(ácido metacrílico) fluorescente con rodamina B
Artículo:
Aplicación de nanotecnología en la industria textil colombiana
Artículo:
Modelización reológica constitutiva del comportamiento de serración por flujo en vidrios metálicos que muestran nanocristalización durante la deformación
Artículo:
Influencia del grosor en los parámetros holográficos de los materiales H-PDLC
Artículo:
Nanocompuestos de celulosa bacteriana e hidroxiapatita para la regeneración ósea