Modeling the electric field of weakly electric fish
Notice bibliographique
Résumé
Weakly electric fish characterize the environment in which they live by sensing distortions in their self-generated electric field. These distortions result in electric images forming across their skin. In order to better understand electric field generation and image formation in one particular species of electric fish, Apteronotus leptorhynchus, we have developed three different numerical models of a two-dimensional cross-section of the fish's body and its surroundings. One of these models mimics the real contour of the fish; two other geometrically simple models allow for an independent study of the effects of the fish's body geometry and conductivity on electric field and image formation. Using these models, we show that the fish's tapered body shape is mainly responsible for the smooth, uniform field in the rostral region, where most electroreceptors are located. The fish's narrowing body geometry is also responsible for the relatively large electric potential in the caudal region. Numerical tests also confirm the previous hypothesis that the electric fish body acts approximately like an ideal voltage divider; this is true especially for the tail region. Next, we calculate electric images produced by simple objects and find they vary according to the current density profile assigned to the fish's electric organ. This explains some of the qualitative differences previously reported for different modeling approaches. The variation of the electric image's shape as a function of different object locations is explained in terms of the fish's geometrical and electrical parameters. Lastly, we discuss novel cues for determining an object's rostro-caudal location and lateral distance using these electric images.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».