MétaCan
Menu
Retour à la cohorte
Enregistrement W2052788054 · doi:10.4018/jcini.2013010105

Neuroinformatics Models of Human Memory

2013· article· en· W2052788054 sur OpenAlexafffund
Yingxu Wang

Notice bibliographique

RevueInternational Journal of Cognitive Informatics and Natural Intelligence · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Computing and Networks
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHarvard University
Mots-clésComputer scienceNeurophysiologyCognitionCognitive scienceNeuroinformaticsCognitive architectureCognitive modelArtificial intelligenceNeurosciencePsychologyData science

Résumé

récupéré en direct d'OpenAlex

The human brain is a superbly marvelous and extremely complicated neurophysiological structure for generating natural intelligence that transforms cognitive information into colorful behaviors. The brain is the most complex and interesting objects in nature that requires rigorous scientific investigations by multidisciplinary methodologies and via transdisciplinary approaches where only low-level studies could not explain it. A fundamental problem and difficulty in contemporary brain science is the indistinguishable confusion of the cognitive mechanisms and neurophysiological structures of the kernel brain and its memories. This paper presents a set of formal neuroinformatics models of memory and a rigorous mapping between the cognitive functions of memory and their neurophysiological structures. The neurophysiological foundations of memory are rigorously described based on comprehensive cognitive models of memory. The cognitive architecture of human memory and its relationship to the intelligence power of the brain are logically analyzed. The cognitive roles of memory allocated in both cerebrum and cerebellum are revealed by mapping the functional models of memory onto corresponding neurophysiological structures of the brain. As a result, fundamental properties of memory and knowledge as well as their neurophysiological forms in the brain are systematically explained.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,286
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations44
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Cognitive Informatics and Natural IntelligenceMême sujetCognitive Computing and NetworksTravaux en français237 207