Symmetry perception: a high-density ERP approach
Notice bibliographique
Résumé
Symmetry is a salient characteristic of visual stimuli that may be used to detect and recognize many natural and manufactured objects. Psychophysical studies have demonstrated that we are extremely fast and efficient at extracting symmetry, but the neural mechanisms underlying symmetry processing remain largely unknown. In one of very few ERP studies, Norcia et al. (JOV 2002) examined the time course of symmetry processing. In their experiment, observers were presented with symmetric and random dot patterns alternating every 500 ms. ERPs measured with symmetric-random sequences diverged from control random-random sequences between 130 and 220 ms after stimulus onset. However, it is not clear whether this response difference was due to symmetry per se or to the presence of structure in the symmetric dot patterns. We tested this possible confound by adding textured dot patterns (Glass patterns), which were asymmetric yet clearly distinguishable from random dot patterns, to the same experimental design. EEG was recorded from 256 electrodes while observers passively viewed alternating random-texture, random-symmetric, and random-random stimuli. Our preliminary results replicate and extend the findings of Norcia et al.: ERPs to structured dot textures were very similar to those evoked by random dots, and both begin to differ from ERPs to symmetric dots at about 160–170 ms after stimulus onset. We note that the onset of the symmetry effect is relatively late compared to the time course of object processing as described in the ERP literature. To further investigate this issue we will conduct another experiment in which observers actively discriminate between symmetric and non-symmetric patterns. This will allow us to relate the behavioral RTs with the onset of the symmetry ERP effects. Source analyses on individual subjects will also be conducted.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».