@misc{Lenhard2002,
  type      = {Master Thesis},
  author    = {Lenhard, Alexandra},
  title     = {Intra- and intermanual transfer of adaptation to unnoticed virtual displacement under terminal and continuous visual feedback},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-23889},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2002},
  abstract  = {Versuchspersonen trainierten mit der rechten Hand Zielbewegungen zu verschiedenen Zielen unter terminalem oder kontinuierlichem visuellem Feedback. F{\"u}r eines der Ziele wurde die visuelle R{\"u}ckmeldung so manipuliert, dass Bewegungen zu diesem Ziel k{\"u}rzer wirkten, als sie tats{\"a}chlich waren. Nach dem Training sollten die gleichen Ziele sowohl mit der trainierten rechten als auch mit der untrainierten linken Hand erreicht werden. Bewegungen der rechten Hand passten sich an die unbemerkte visuelle Transformation an. Die Adaptation war unter kontinuierlichem Feedback schw{\"a}cher als unter terminalem. Außerdem generalisierte die Adapation nur unter terminalem, aber nicht unter kontinuierlichem Feedback, auf andere Zielbewegungen in die gleiche Richtung, aber nicht auf Zielbewegungen in die entgegengesetzte Richtung. Bewegungen der untrainierten linken Hand zeigten qualitativ die gleichen adaptationsbedingten Ver{\"a}nderungen wie Bewegungen der rechten Hand. Die Ergebnisse sprechen f{\"u}r die Annahme, dass beim Training der rechten Hand eine effektorunabh{\"a}ngige r{\"a}umliche Repr{\"a}sentation ver{\"a}ndert wird, auf die bei der Steuerung beider H{\"a}nde zur{\"u}ckgegriffen wird.},
  subject      = {Motorisches Lernen},
  language  = {en}
}
@phdthesis{Herbort2008,
  author    = {Herbort, Oliver},
  title     = {Encoding Redundancy for Task-dependent Optimal Control : A Neural Network Model of Human Reaching},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-26032},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2008},
  abstract  = {The human motor system is adaptive in two senses. It adapts to the properties of the body to enable effective control. It also adapts to different situational requirements and constraints. This thesis proposes a new neural network model of both kinds of adaptivity for the motor cortical control of human reaching movements, called SURE_REACH (sensorimotor unsupervised learning redundancy resolving control architecture). In this neural network approach, the kinematic and sensorimotor redundancy of a three-joint planar arm is encoded in task-independent internal models by an unsupervised learning scheme. Before a movement is executed, the neural networks prepare a movement plan from the task-independent internal models, which flexibly incorporates external, task-specific constraints. The movement plan is then implemented by proprioceptive or visual closed-loop control. This structure enables SURE_REACH to reach hand targets while incorporating task-specific contraints, for example adhering to kinematic constraints, anticipating the demands of subsequent movements, avoiding obstacles, or reducing the motion of impaired joints. Besides this functionality, the model accounts for temporal aspects of human reaching movements or for data from priming experiments. Additionally, the neural network structure reflects properties of motor cortical networks like interdependent population encoded body space representations, recurrent connectivity, or associative learning schemes. This thesis introduces and describes the new model, relates it to current computational models, evaluates its functionality, relates it to human behavior and neurophysiology, and finally discusses potential extensions as well as the validity of the model. In conclusion, the proposed model grounds highly flexible task-dependent behavior in a neural network framework and unsupervised sensorimotor learning.},
  subject      = {Bewegungssteuerung},
  language  = {en}
}