Buchumschlag

Machine learning approaches to uncover the neural mechanisms of motivated behaviour: from ADHD to individual differences in effort and reward sensitivity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Trinh, Nam
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Neurons and Cognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Graph neural networks uncover structure and functions underlying the activity of simulated neural assemblies
von: Allier, Cédric, et al.
Veröffentlicht: (2026)

Unsupervised learning of multiscale switching dynamical system models from multimodal neural data
von: Kim, DongKyu, et al.
Veröffentlicht: (2025)

Deep probabilistic model synthesis enables unified modeling of whole-brain neural activity across individual subjects
von: Bishop, William E., et al.
Veröffentlicht: (2026)

NLP4Neuro: Sequence-to-sequence learning for neural population decoding
von: Morra, Jacob J., et al.
Veröffentlicht: (2025)

Active learning of neural population dynamics using two-photon holographic optogenetics
von: Wagenmaker, Andrew, et al.
Veröffentlicht: (2024)

A ghost mechanism: An analytical model of abrupt learning in recurrent networks
von: Dinc, Fatih, et al.
Veröffentlicht: (2025)

Deep multimodal saliency parcellation of cerebellar pathways: linking microstructure and individual function through explainable multitask learning
von: Tchetchenian, Ari, et al.
Veröffentlicht: (2024)

Inferring stochastic low-rank recurrent neural networks from neural data
von: Pals, Matthijs, et al.
Veröffentlicht: (2024)

Emergent time-keeping mechanisms in a deep reinforcement learning agent performing an interval timing task
von: Pednekar, Amrapali, et al.
Veröffentlicht: (2025)

ADHDeepNet From Raw EEG to Diagnosis: Improving ADHD Diagnosis through Temporal-Spatial Processing, Adaptive Attention Mechanisms, and Explainability in Raw EEG Signals
von: Amini, Ali, et al.
Veröffentlicht: (2025)

Contribution of task-irrelevant stimuli to drift of neural representations
von: Pashakhanloo, Farhad
Veröffentlicht: (2025)

Scalable inference of functional neural connectivity at submillisecond timescales
von: Medvedeva, Arina, et al.
Veröffentlicht: (2025)

Probabilistic Geometric Principal Component Analysis with application to neural data
von: Hsieh, Han-Lin, et al.
Veröffentlicht: (2025)

Inverse decision-making using neural amortized Bayesian actors
von: Straub, Dominik, et al.
Veröffentlicht: (2024)

Comparing noisy neural population dynamics using optimal transport distances
von: Nejatbakhsh, Amin, et al.
Veröffentlicht: (2024)

Generalizable, real-time neural decoding with hybrid state-space models
von: Ryoo, Avery Hee-Woon, et al.
Veröffentlicht: (2025)

Brain-language fusion enables interactive neural readout and in-silico experimentation
von: Bosch, Victoria, et al.
Veröffentlicht: (2025)

Decomposing stimulus-specific sensory neural information via diffusion models
von: Laquitaine, Steeve, et al.
Veröffentlicht: (2025)

Dynamic directed functional connectivity as a neural biomarker for objective motor skill assessment
von: Kamat, Anil, et al.
Veröffentlicht: (2025)

Inhibitory normalization of error signals improves learning in neural circuits
von: Eyono, Roy Henha, et al.
Veröffentlicht: (2026)

Oja's plasticity rule overcomes several challenges of training neural networks under biological constraints
von: Shervani-Tabar, Navid, et al.
Veröffentlicht: (2024)

Association-sensory spatiotemporal hierarchy and functional gradient-regularised recurrent neural network with implications for schizophrenia
von: Abulikemu, Subati, et al.
Veröffentlicht: (2025)

An introduction to reinforcement learning for neuroscience
von: Jensen, Kristopher T.
Veröffentlicht: (2023)

Using machine learning methods to predict cognitive age from psychophysiological tests
von: Tyurina, Daria D., et al.
Veröffentlicht: (2025)

Order parameters and phase transitions of continual learning in deep neural networks
von: Shan, Haozhe, et al.
Veröffentlicht: (2024)

Prediction horizon shapes representations in predictive learning
von: Ratzon, Aviv, et al.
Veröffentlicht: (2025)

How Easterners and Westerners perceive ADHD differently
von: Lin, Xing-Chan
Veröffentlicht: (2025)

Compositional meta-learning through probabilistic task inference
von: Bakermans, Jacob J. W., et al.
Veröffentlicht: (2025)

A mathematical model of reward-mediated learning in drug addiction
von: Chou, Tom, et al.
Veröffentlicht: (2022)

Category learning in deep neural networks: Information content and geometry of internal representations
von: Bonnasse-Gahot, Laurent, et al.
Veröffentlicht: (2025)

Reward function compression facilitates goal-dependent reinforcement learning
von: Molinaro, Gaia, et al.
Veröffentlicht: (2025)

Multi-intention Inverse Q-learning for Interpretable Behavior Representation
von: Zhu, Hao, et al.
Veröffentlicht: (2023)

Preemptive Solving of Future Problems: Multitask Preplay in Humans and Machines
von: Carvalho, Wilka, et al.
Veröffentlicht: (2025)

Separating the what and how of compositional computation to enable reuse and continual learning
von: Shan, Haozhe, et al.
Veröffentlicht: (2025)

Meta-learning In-Context Enables Training-Free Cross Subject Brain Decoding
von: Nan, Mu, et al.
Veröffentlicht: (2026)

Complex behavior from intrinsic motivation to occupy action-state path space
von: Ramírez-Ruiz, Jorge, et al.
Veröffentlicht: (2022)

Cortex and subcortex play distinct roles over learning when cortical memory is limited
von: Farrell, Matthew, et al.
Veröffentlicht: (2026)

HDGL: A hierarchical dynamic graph representation learning model for brain disorder classification
von: Jalali, Parnian, et al.
Veröffentlicht: (2023)

Of Mice and Machines: A Comparison of Learning Between Real World Mice and RL Agents
von: Han, Shuo, et al.
Veröffentlicht: (2025)

Mapping minds not averages: a scalable subject-specific manifold learning framework for neuroimaging data
von: Geenjaar, Eloy, et al.
Veröffentlicht: (2025)