Multiplication of 1st-stage inputs to curvature detectors
Notice bibliographique
Résumé
Aim. How are 1st-stage inputs to the mechanisms that encode contour curvature combined? One possibility is that they are multiplied, which would increase the mechanism's selectivity to curvature (e.g. Poirier & Wilson, Vis. Res. 2006, 46, 2443–2455). Here we demonstrate a method for revealing multiplication in curvature coding. Suppose a curvature-tuned mechanism receives a small number (say anywhere between 2 and 6) of 1st-stage inputs whose receptive fields are positioned along a curve and whose responses are multiplied. Consider how such a mechanism would respond to a matched curved line, but one broken into segments of equal length, with gap length equal to segment length. Simulations reveal a pronounced dip in the response of the mechanism to intermediate segment lengths, a dip that appears to only happen when the 1st-stage inputs are multiplied (or combined by an operation equivalent to multiplication). Methods. We tested for such a dip in two shape after-effects, the shape-frequency and shape-amplitude after-effects; these are the shifts one obtains in respectively the apparent shape-frequency and apparent shape-amplitude of a sinusoidal-shaped test contour following adaptation to a contour of a slightly different shape-frequency/amplitude. We have recently shown that both after-effects are mediated by mechanisms that encode curvature (Gheorghiu & Kingdom, 2007, Vis. Res., in press). Results. Using segmented adaptors of various segment lengths we found that both after-effects show a pronounced dip at similar intermediate segment lengths. Conclusion. 1st-stage inputs to curvature-tuned mechanisms are multiplied.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».