డొమినిక్ జి బెరౌల్, పాస్కేల్ గిస్క్వెట్ వెరియర్
రివార్డ్/పనిష్మెంట్ సర్క్యూట్ల ద్వారా ప్రధాన న్యూరోట్రాన్స్మిటర్ సిస్టమ్ల ద్వారా జ్ఞానం మరియు భావోద్వేగాలకు సంబంధించిన కీలక మెదడు నెట్వర్క్లు మాడ్యులేట్ చేయబడతాయి. ముఖ్యంగా, బేసల్ గాంగ్లియా మోటార్ ఫలితాల వైపు భావోద్వేగ సమాచారాన్ని పంపుతుందని భావిస్తారు. అయినప్పటికీ, చర్య ఎంపికకు మార్గనిర్దేశం చేయడానికి భావోద్వేగ ఉద్దీపనలను అనుమతించే విధానాలు ఇంకా గుర్తించబడలేదు. గణన నమూనాలు ఈ లక్ష్యానికి దోహదపడవచ్చు. ఇక్కడ, గైడెడ్ప్రొపగేషన్ డిటర్మినిస్టిక్ మోడల్ యొక్క కంప్యూటర్ సిమ్యులేషన్ని ఉపయోగించడం ద్వారా, గతంలో జత చేసిన అన్ని భావోద్వేగ ఉద్దీపనలను ప్రస్తుత క్యూతో తక్షణమే తిరిగి పొందడం ద్వారా ఎమోషనల్ ఛానెల్లు యాక్షన్ ఓరియెంటెడ్ ఛానెల్లను త్వరగా మరియు ఎంపిక చేసి మాడ్యులేట్ చేయగలవని మేము చూపుతాము. జంతు ఆధారిత డేటాతో ఒప్పందంలో, కొత్తగా ఏర్పడిన లేదా రిమోట్ మెమరీ ట్రేస్లను లక్ష్యంగా చేసుకున్నప్పుడు భావోద్వేగ నిరీక్షణను అమలు చేసే తాత్కాలిక మాడ్యులేషన్ సిగ్నల్లు మరింత ఉపయోగకరంగా కనిపిస్తాయి. ఈ సంకేతాల సమయం మరియు పరిణామం రెండూ కండిషనింగ్ సమయంలో బేసల్ గాంగ్లియాలో డోపమినెర్జిక్ న్యూరాన్ కార్యకలాపాల యొక్క కొత్త వివరణను సూచిస్తాయి, సాధారణంగా ఉపబల అభ్యాసం యొక్క ఫ్రేమ్లో 'రివార్డ్ ప్రిడిక్షన్ ఎర్రర్' కోసం కోడింగ్గా పరిగణించబడుతుంది. విపరీతమైన విలువల 'భావోద్వేగాల'తో కూడిన అదనపు కంప్యూటర్ శిక్షణల తర్వాత, కండిషన్డ్ క్యూ ప్రభావంతో ఎంపిక చేయబడిన చర్యల వైవిధ్యం బలవంతపు లేదా ఎగవేత ప్రవర్తనల ద్వారా తగ్గుతుందని చూపబడుతుంది. నిజానికి, ప్రతిపాదిత ఫంక్షనల్ మోడల్లో, మాదకద్రవ్య వ్యసనం లేదా బాధానంతర ఒత్తిడి రుగ్మత అభివృద్ధికి ఇలాంటి మాడ్యులేషన్ మెకానిజమ్లు కారణమవుతాయి. ఇంకా, ఈ పనిచేయకపోవడంలో ఆకస్మిక పునఃస్థితి ఇక్కడ స్థానిక మాడ్యులేటింగ్ లోటులకు ఆపాదించబడింది. న్యూరోమోడ్యులేటర్ల మాదిరిగానే మోడల్ యొక్క కొన్ని నియంత్రణ పారామితులలో ఒకదానిని ఎంపిక చేయడం ద్వారా రెండోది పాక్షికంగా అధిగమించవచ్చు.