A hybrid extended least squares method (HybELS) for vestibulo- ocular reflex identification
Notice bibliographique
Résumé
The Vestibulo-Ocular Reflex (VOR) plays an essential role in the majority of daily activities by keeping the images of the world steady on the retina when either the environment or the body is moving. The modeling and identification of this system plays a key role in the diagnosis and treatment of various diseases and lesions, and their associated syndromes. Today, clinical protocols incorporate mathematical techniques for testing the functionality of patients' VORs through the analysis of the patients' responses to various stimuli. We have developed a new tool for simultaneous identification of the two modes of the horizontal VOR, using a novel algorithm. This algorithm, HybELS (Hybrid Extended Least Squares), is a regression-based identification method tailored for hybrid ARMAX (AutoRegressive Moving Average with eXogenous inputs) models, which can also be used for the identification of other neural systems. In the context of the VOR, MELS (Modified Extended Least Squares) has been proposed previously for the identification of vestibular nystagmus dynamics, one mode at a time. It also involved searching for segment initial conditions to avoid biased results. Our hybrid approach identifies the two modes simultaneously, and does not require estimation of initial conditions, since it takes advantage of state continuity in the transitions between fast and slow phases. The results on experimental VOR in the dark show that HybELS outperforms MELS in several aspects: It proves to be more robust than MELS with respect to the system order used for identification, while resulting in more accurate estimates in almost all contexts as well. Furthermore, due to the hybrid nature of the method, its calculations are algebraically more compact, and HybELS turns out to be much less computationally expensive than MELS.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 ».