超越高峰和低谷：EEG中的多重性能监测信号

摘要：自30多年前发现由错误引发的事件相关电位以来，关于性能监测、认知控制和决策的新研究方向出现了。从那时起，该领域迅速发展并扩展。本文在简要概述性能监测的EEG相关性后，回顾了基于独立成分分析、多元回归和多变量模式分类的单次试验分析的近期进展。鉴于性能监测与强化学习之间的密切联系，计算模型和基于模型的EEG分析产生了尤其强大的影响。所回顾的研究结果表明，错误和反馈相关的EEG动力学反映了性能监测信号如何被加权并转化为引导未来决策和行动的适应信号的变量。基于模型的单次试验分析方法远远超出了传统事件相关电位的峰值和低谷分析，能够测试性能监测、认知控制和决策的机制理论。