MétaCan
Menu
← Retour à la cohorte
Enregistrement W1454837598 · doi:10.1167/15.12.617

Exploring expert object recognition by the means of fast periodic visual stimulation

2015· article· en· W1454837598 sur OpenAlexaff
Simen Hagen, James W. Tanaka

Notice bibliographique

RevueJournal of Vision · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésObject (grammar)Adaptation (eye)Computer scienceSequence (biology)Oddball paradigmContrast (vision)Functional magnetic resonance imagingArtificial intelligenceCognitionCommunicationPsychologyPattern recognition (psychology)BiologyNeuroscienceEvent-related potential

Résumé

récupéré en direct d'OpenAlex

Expert category domains are thought to be instantiated within the human ventral visual pathway. For instance, differential responses to expert domains (e.g., faces, birds, cars, novel objects) have been shown in spatially localized areas using functional magnetic resonance imaging. In the current study we used fast periodic visual stimulation (FPVS) to explore the neural sensitivity to expert categories. Electroencephalogram was recorded from bird experts and bird novices, each presented with two trials of 60s sequences containing a base-bird (A, e.g., american robin) sinusoidally contrast-modulated at a presentation rate of 6 images per second (F=6Hz) with size varying every cycle to control for low-level adaptation effects. At every 5th cycle (F/5=1.2Hz), a different oddball-bird (e.g., northern cardinal, anna’s hummingbird…) (B, C…) substituted the repeating base-bird (i.e., AAAABAAAACAAAAD…). The results showed that despite changes in low-level information (i.e., image size), the experts showed an adaptation in the right occipito-temporal channels (PO8, P8) in response to the base-bird within the first 18s of the 60s sequence, whereas the novices showed a sustained signal-to-noise ratio (SNR) throughout the entire sequence. For the oddball-birds, both experts and novices showed a significant SNR at the fundamental 1.2 Hz frequency and its harmonics that remained sustained across the entire 60s sequence and that peaked at the right occipito-temporal channels (PO8, P8). In summary, the experts but not the novices showed an adaption to the base-birds, however, within the same sequence, both the experts and novices showed a sustained response to the oddball-birds. These results indicate that the response to the base-bird and oddball-birds are dissociated in experts, but not the novices. Meeting abstract presented at VSS 2015

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,231
Tête enseignante GPT0,369
Écart entre enseignants0,139 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetFace Recognition and Perception→Travaux en français237 207→