Linear filtering and nonlinear interactions in direction-selective visual cortex neurons: A noise correlation analysis
Notice bibliographique
Résumé
Spatial and temporal properties related to direction selectivity of both simple and complex type visual cortex neurons were assessed by cross-correlation analysis of their responses to random ternary white noise. This stimulus consisted of multiple randomly placed bars, each colored white, black, or gray with equal probability, which were rerandomized every 5-10 ms. A first-order cross-correlation analysis of a neuron's spike train with the spatiotemporal history of the stimulus provided an estimate of the neuron's linear spatiotemporal filtering properties. A nonlinear correlation analysis measured the amount of interaction for pair-wise combinations of bars as a function of their relative spatial and temporal separations. The spatiotemporal orientation of each of these functions was quantified using a "motion energy index" (MEI), which was compared to the neurons' direction selectivity measured with drifting sinewave gratings. Both first-order and nonlinear correlation plots usually showed s-t orientation whose sign was consistent with the neuron's direction preference; however, in many cases the MEI for first-order analysis was weak compared to that seen in the nonlinear interactions. The structures of the nonlinear interaction functions were also compared with predictions from a conventional model of direction selectivity based on a simple spatiotemporally oriented linear filter, followed by an intensive nonlinearity ("LN model"). These comparisons showed that some neurons' data agreed reasonably well with such a model, while others agreed poorly or not at all. Simulations of an alternative model which combines signals from idealized lagged and nonlagged front-end linear filters produce noise correlation results more like those seen in the neurophysiological data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».