计算神经科学把大脑写成方程

知识地图 › 06 学习、决策与贝叶斯 › 6.2

6.2

漂移扩散模型(DDM)

Drift-diffusion model

★★☆ 核心决策核心模型

两个选项的证据被累加成一个带噪声的随机游走,碰到哪个边界就选哪个。

核心要点

  1. 三个参数解释全部行为:漂移率 v(证据质量)、边界 a(谨慎程度)、非决策时间 Ter。
  2. 可同时拟合正确率、RT 分布与错误 RT 的相对位置,是计算精神病学的标准工具。
  3. 神经对应:LIP / 前额叶的 ramping 活动,以及"累积到阈值"的放电模式。

公式

dx = v dt+σ dW,

选 A 若 x≥ a, 选 B 若 x≤ 0

证据 x 以漂移率 v 增长并叠加高斯噪声;首次触及边界的时刻即决策时间。首达时间分布有闭式解,可做最大似然拟合。

仿真

这个知识点有对应的可交互模型:漂移扩散模型。参数改动立即重算,右侧读数条给出当前值。

打开仿真实验室 · 漂移扩散模型 →

直觉

像在雾里走向两条岔路,你不断收集线索,直到某一边的把握"足够确定"才迈步。a 越大越谨慎(慢但准),v 越大越果断。

常见误区

只用平均 RT 拟合 DDM。真正有约束力的是 RT 分布的形状——右偏程度、以及错误反应是否快于正确反应,这些都直接对应 v 与 a 的组合。

出处

  • Ratcliff 1978
  • Ratcliff & McKoon 2008, Neural Comput
  • Gold & Shadlen 2007, Annu Rev Neurosci
回到模块 06