MétaCan
Menu
Retour à la cohorte
Enregistrement W2045332801 · doi:10.1038/npre.2011.6051.1

Biophysical visual virtual reality in retinotopic visual areas

2011· preprint· en· W2045332801 sur OpenAlexaff
István Bókkon, Jack A. Tuszyński, Vahid Salari

Notice bibliographique

RevueNature Precedings · 2011
Typepreprint
Langueen
DomaineNeuroscience
ThématiquePhotoreceptor and optogenetics research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPhospheneComputer scienceRetinotopyVisual cortexAfterimageVisualizationRepresentation (politics)Process (computing)Virtual realityArtificial intelligenceNeuroscienceComputer visionPsychologyImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Abstract Previously, we have pointed out that biophoton production can be a controlled process that originates from regulated redox/radical reactions. Our biophoton experiments support the notion that various visual related phenomena such as discrete retinal noise, retinal phosphenes as well as negative afterimages are due to biophotons. We have also suggested a new model, stating that the brain is able to create biophysical pictures in retinotopic visual areas via redox regulated biophotons of synchronized neurons. According to our interpretation, visualization (imagery) is a special kind of representation i.e., visual imagery requires peculiar inherent biophysical processes. Our idea of biophysical visual virtual reality in retinotopic areas may be a possible biophysical basis of Kosslyn's reality simulation principle in the case of visual imagery. Long-term visual memories are not stored as biophysical pictures but as epigenetic codes. During visual imagery, top-down processes control the epigenetic encoded long-term visual information. Then, according to retrieved epigenetic information, synchronized retinotopic neurons generate dynamic patterns of biophotons via redox reactions that can produce biophysical pictures. We have also presented an iterative model involving a biophysical picture-representation without homunculus during visual imagery.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0020,007
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 Opus0,048
Tête enseignante GPT0,373
Écart entre enseignants0,326 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature PrecedingsMême sujetPhotoreceptor and optogenetics researchTravaux en français237 207