Functional Communication Within a Perceptual Network Processing Letters and Pseudoletters
Notice bibliographique
Résumé
Many studies have identified regions within human ventral visual stream to be important for object identification and categorization; however, knowledge of how perceptual information is communicated within the visual network is still limited. Current theories posit that if a high correspondence between incoming sensory information and internal representations exists, then the object is rapidly identified, and if there is not, then the object requires extra detailed processing. Event-related responses from the present magnetoencephalography study showed two main effects. The N1m peak latencies were approximately 15 milliseconds earlier to familiar letters than to unfamiliar pseudoletters, and the N2m was more negative to pseudoletters than to letters. Event-related beamforming analyses identified these effects to be within bilateral visual cortices with a right lateralization for the N2m effect. Furthermore, functional connectivity analyses revealed that gamma-band (50-80 Hz) oscillatory phase synchronizations among occipital regions were greater to letters than to pseudoletters (around 85 milliseconds). However, during a later time interval between 245 and 375 milliseconds, pseudoletters elicited greater gamma-band phase synchronizations among a more distributed occipital network than did letters. These findings indicate that familiar object processing begins by at least 85 milliseconds, which could represent an initial match to an internal template. In addition, unfamiliar object processing persisted longer than that for familiar objects, which could reflect greater attention to inexperienced objects to determine their identity and/or to consolidate a new template to aid in future identification.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».