Dopamine reward prediction-error signalling: a two-component response

多巴胺 均方预测误差 组分(热力学) 神经科学 信号 心理学 奖励制度 计算机科学 机器学习 生物 细胞生物学 热力学 物理
作者
Wolfram Schultz
出处
期刊:Nature Reviews Neuroscience [Springer Nature]
卷期号:17 (3): 183-195 被引量:868
标识
DOI:10.1038/nrn.2015.26
摘要

Environmental stimuli and objects, including rewards, are often processed sequentially in the brain. Recent work suggests that the phasic dopamine reward prediction-error response follows a similar sequential pattern. An initial brief, unselective and highly sensitive increase in activity unspecifically detects a wide range of environmental stimuli, then quickly evolves into the main response component, which reflects subjective reward value and utility. This temporal evolution allows the dopamine reward prediction-error signal to optimally combine speed and accuracy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
kingmin应助小小书童采纳,获得10
1秒前
2秒前
顺鑫完成签到 ,获得积分10
2秒前
合适的晓山完成签到,获得积分10
2秒前
正直亦旋完成签到,获得积分20
3秒前
Yancy发布了新的文献求助10
5秒前
啊怙纲完成签到 ,获得积分10
5秒前
1998阿杰0526完成签到,获得积分10
5秒前
yang完成签到,获得积分10
5秒前
6秒前
Tracy麦子完成签到,获得积分10
7秒前
NexusExplorer应助科研通管家采纳,获得10
7秒前
上官若男应助科研通管家采纳,获得30
7秒前
田様应助科研通管家采纳,获得10
7秒前
酷波er应助科研通管家采纳,获得10
7秒前
小飞七应助科研通管家采纳,获得10
7秒前
zho应助科研通管家采纳,获得10
7秒前
Owen应助科研通管家采纳,获得30
7秒前
小蘑菇应助科研通管家采纳,获得10
7秒前
ding应助科研通管家采纳,获得10
7秒前
星辰大海应助科研通管家采纳,获得10
7秒前
科研通AI5应助科研通管家采纳,获得10
7秒前
充电宝应助科研通管家采纳,获得10
7秒前
8秒前
11秒前
迟大猫应助莫华龙采纳,获得10
11秒前
JamesPei应助Yancy采纳,获得10
11秒前
zq发布了新的文献求助10
12秒前
12秒前
小七完成签到,获得积分10
13秒前
13秒前
innocent完成签到,获得积分10
15秒前
16秒前
啊怙纲关注了科研通微信公众号
16秒前
oo完成签到 ,获得积分10
18秒前
18秒前
大个应助听风采纳,获得10
19秒前
zpr完成签到,获得积分10
20秒前
vincy完成签到 ,获得积分10
20秒前
21秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Kelsen’s Legacy: Legal Normativity, International Law and Democracy 1000
Conference Record, IAS Annual Meeting 1977 610
The Laschia-complex (Basidiomycetes) 600
Interest Rate Modeling. Volume 3: Products and Risk Management 600
Interest Rate Modeling. Volume 2: Term Structure Models 600
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3540860
求助须知:如何正确求助?哪些是违规求助? 3118095
关于积分的说明 9333922
捐赠科研通 2815936
什么是DOI,文献DOI怎么找? 1548010
邀请新用户注册赠送积分活动 721229
科研通“疑难数据库(出版商)”最低求助积分说明 712613