Attractor-Map Versus Autoassociation Based Attractor Dynamics in the Hippocampal Network
Notice bibliographique
Résumé
The autoassociative memory model of hippocampal field CA3 postulates that Hebbian associations among external input features produce attractor states embedded in a recurrent synaptic matrix. In contrast, the attractor-map model postulates that a two-dimensional continuum of attractor states is preconfigured in the network during development and that transitions among these states are governed primarily by self-motion information ("path-integration"), giving rise to the strong spatial characteristic of hippocampal activity. In this model, learned associations between "coordinates" on the attractor map and external cues can result in abrupt jumps between states, in the case of mismatches between the current input and previous associations between internal coordinates and external landmarks. Both models predict attractor dynamics, but for fundamentally different reasons; however, the two models are not a priori mutually exclusive. We contrasted these two models by comparing the dynamics of state transitions when two previously learned environmental shapes were morphed between their endpoints, in animals that had first experienced the environments either at the same location, or at two different locations, connected by a passageway through which they walked. As predicted from attractor-map theory, the latter animals expressed abrupt transitions between representations at the midpoint of the morph series. Contrary to the predictions of autoassociation theory, the former group expressed no evidence of attractor dynamics during the morph series; there was only a gradual transition between endpoints. The results of this critical test thus cast the autoassociator theory for CA3 into doubt and indicate the need for a new theory for this structure.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».