MétaCan
Menu
Retour à la cohorte
Enregistrement W2005291336 · doi:10.1186/1471-2202-8-s2-p46

Synchronization, multistability and clustering: How useful are predictions from phase models?

2007· article· en· W2005291336 sur OpenAlexaff
Sue Ann Campbell, Jeff Chadwick

Notice bibliographique

RevueBMC Neuroscience · 2007
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMultistabilityComputer scienceSynchronization (alternating current)Kuramoto modelSynchronization networksStability (learning theory)Representation (politics)Cluster analysisLimit (mathematics)Construct (python library)Carry (investment)Topology (electrical circuits)Statistical physicsNetwork modelPhase (matter)Artificial intelligenceMathematicsPhysicsMachine learningMathematical analysisComputer networkCombinatorics

Résumé

récupéré en direct d'OpenAlex

We consider a model of a network of hippocampal interneurons based on the work of Wang and Buzsaki. We construct a phase model representation of the network, and show that this model can give reasonably accurate quantitative information, such as the size of basins of attraction and the maximum heterogeneity permissible in the inherent frequencies of the neurons before synchrony is lost. We show that predictions of existence and stability of the synchronous solution from a two cell network carry over to N-cell networks, either exactly or in the limit of large N.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,678

Scores Codex et Gemma par catégorie

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

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 Opus0,074
Tête enseignante GPT0,286
Écart entre enseignants0,212 · 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 tête enseignante, 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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NeuroscienceMême sujetNeural dynamics and brain functionTravaux en français237 207