Neural coding strategies for extracting motion estimates from electrosensory contrast
Notice bibliographique
Résumé
Object saliency is based on the relative local-to-background contrast in the physical signals that underlie perceptual experience. Extracting meaningful stimulus representations from these contrast patterns constitutes a serious inverse problem for neural coding, where many different stimulus features map into a scalar firing rate. This decoding problem is even more acute for neurons whose dynamics are characterized by fixed timescales, which produce distinct firing rate responses to different temporal parameterizations of a stimulus [1]. By studying how looming object distance is extracted from electrosensory contrast, we demonstrate that power law adaptation in the primary electroreceptor afferents of A. leptorhynchus transforms the firing rate, yielding a code for stimulus intensity (distance) that is invariant to the rate of change of intensity with respect to time (speed). As such, estimates of both object distance and approach speed are effectively parsed into distinct measures of an electroreceptor afferent’s firing rate [1]. Despite its important role in neural coding, adaptation suffers a serious caveat for encoding natural inputs: it generates skewed responses when signal intensity changes from increasing to decreasing (or vice versa). As predicted by generic models of spike-frequency adaptation, we report a skew in the electroreceptor afferent firing rate upon motion reversal, introducing further ambiguity into the estimation of object distance from electrosensory contrast [2]. The electrosense compensates for the skewed firing rate by combining the activity of downstream ON and OFF cells into a population rate code characterized by paradoxical responses to local contrast. Under both positive and negative contrast conditions, motion reversal induces a coding switch between ON and OFF cells, whose combined instantaneous firing rates cooperatively produce a symmetric representation of object motion. Whereas the firing rates of the individual ON and OFF cells convey scalar information, such as object distance, their sequential activation over longer timescales encode changes in motion direction.
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) | 0,000 | 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 ».