Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

ViMoAct

Financiado

Cerrado

Modelling cortical information flow during visuomotor adaptation as active infer...

Modelling cortical information flow during visuomotor adaptation as active inference in the human brain Recent research suggests that to control bodily movements the brain relies on Bayes-optimal predictive models that are updated by sensory prediction error. This assumption may be generalised within a new formal account of motor co... ver más

02/05/2020

UNIVERSITY COLLEGE...

183K€

Presupuesto del proyecto: 183K€

Líder del proyecto

UNIVERSITY COLLEGE LONDON No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2020-05-02

MSCA-IF-2016: Individual Fellowships

I+D

Cerrada hace 8 años

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

1 Participantes

UNIVERSITY COLLEGE LONDON

183.45K€ | Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

BayesianHumanCortex Bayesian computations in the human neocortex deciphering th... 258K€ Cerrado

BrainReadFBPredCode Brain reading of contextual feedback and predictions 1M€ Cerrado

PSI2010-22118 INTEGRACION TEMPORAL DE LA INFORMACION Y MODELOS CAUSALES DI... 61K€ Cerrado

ACTSELECTCONTEXT Action Selection under Contextual Uncertainty the Role of L... 1M€ Cerrado

PID2020-112838RB-I00 ESTRATEGIAS FLEXIBLES PARA LA INTEGRACION DE LA EVIDENCIA SE... 194K€ Cerrado

BFU2017-86026-R DINAMICA DE LOS CIRCUITOS NEURONALES DISTRIBUIDOS EN LA TOMA... 157K€ Cerrado

Duración del proyecto: 30 meses Fecha Inicio: 2017-10-25
Fecha Fin: 2020-05-02

Líder del proyecto

UNIVERSITY COLLEGE LONDON No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 183K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Recent research suggests that to control bodily movements the brain relies on Bayes-optimal predictive models that are updated by sensory prediction error. This assumption may be generalised within a new formal account of motor control as active (Bayesian) inference. Active inference explains motor control in terms of hierarchical Bayesian filtering or predictive coding, i.e., as belief updating and suppression of prediction error to optimise a hierarchical generative model in the brain; thereby the weighting of prediction errors by their predicted precision determines their relative impact on hierarchical inference. This novel proposal still lacks concrete empirical investigation. The proposed project will close this research gap by testing whether cortical information flow during manual actions, requiring visuomotor adaptation and cognitive control of attention, follows the principles of active inference. In two fMRI experiments and one MEG experiment, participants will move a photorealistic virtual hand model via an MR-compatible data glove to perform simple manual tracking tasks in a virtual reality environment. The precision of prediction errors at multiple levels of a previously established cortical motor control hierarchy will be experimentally manipulated via visuoproprioceptive conflicts (introduced by delayed visual movement feedback) and via attentional allocation – either stimulus-driven (via increased sensory noise) or endogenous (instructed) – to visual or proprioceptive movement feedback. Active inference’s specific predictions about information flow between and within cortical areas will be tested with recently established dynamic causal modelling of the modelled hemodynamic (fMRI) or spectral (MEG) responses. Active inference appeals to a general free-energy principle of brain function; this contribution will thus promote interdisciplinary exchange of knowledge about self- and world-representation in the brain and will be of general public interest.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores