Simultaneous Identification of Oculomotor Subsystems Using a Hybrid System Approach: Introducing Hybrid Extended Least Squares
Notice bibliographique
Résumé
The oculomotor system plays an essential role in our daily activities. It keeps the images of the world steady on the retina and enables us to track visual targets, or switch between targets. The modeling and identification of this system is key in the diagnosis and treatment of various diseases and lesions. Today, clinical protocols incorporate mathematical techniques to test the functionality of patients' oculomotor modalities through the analysis of the patients' responses to various stimuli. We have developed a new tool for simultaneous identification of the two modes of oculomotor responses, using hybrid extended least squares (HybELS), a novel identification method tailored for hybrid autoregressive moving average with exogenous input models. Previously, modified extended least squares (MELS) was proposed for the identification of vestibular nystagmus dynamics, one mode at a time. It involved searching for segment initial conditions (ICs) to avoid biased results. HybELS identifies both modes simultaneously, and does not require estimation of ICs. Results on experimental vestibuloocular reflex (VOR) data show that HybELS proves to be more robust than MELS with respect to identification of complex models. Furthermore, it is notably less computationally expensive than MELS. In the multi-input case, HybELS outperforms other tested methods, including MELS, both in parameter estimation and prediction error.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».