Estimating time-to-collision: Further investigations of an animal model.
Notice bibliographique
Résumé
When Mongolian gerbils are trained to run down a dark corridor to a visual target, kinematic analyses show that their velocity profiles are influenced by the dynamic properties of the target. Increasing or decreasing target size in synchrony with the animals' movements lead to early or late braking, respectively [1] Experiments in our laboratory [2] have shown that visual modulation of braking is dependent on a small region of visual cortex lateral to VI. The present experiments are aimed at refining our understanding of the manner in which vision modulates braking, in order to better understand the role of this region of visual cortex in motion processing. We report several new findings: 1. There is a strong negative correlation between peak running velocity and time of braking. Such a correlation is normally taken as evidence for the use of tau — a perceptual invariant that can be used to predict time-to-collision. 2. There is a linear relationship between the rate at which the target expands or contracts and the magnitude of retarded or accelerated braking, respectively, but the size of this effect is always considerably smaller than that predicted by the hypothesis that the gerbils are using tau alone. Collectively, these results provide some evidence that gerbils are using tau to estimate time-to-collision, but they also suggest that gerbils are combining these estimates with other information to compute a stable, long-term estimate of target location. (1) SunH-JCareyDPGoodaleMA(1992) A mammalian model of optic-flow utilization in the control of locomotion, Exp Brain Res, 91: 171–175. (2) ShankarSEllardC(2000) Visually guided locomotion and computation of time-to-collision in the Mongolian gerbil (Meriones unguiculatus): the effects of frontal and visual cortical lesions. Behav Brain Res, 108( 1): 21–37
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».