MétaCan
Menu
Retour à la cohorte
Enregistrement W2400025952

Simulating oculomotor inhibition of return with a two-dimensional dynamic neural field model of the superior colliculus

2014· article· en· W2400025952 sur OpenAlexaff
Jason Satel, Farzaneh S. Fard, Zhiguo Wang, Thomas Trappenberg

Notice bibliographique

RevueeCite Digital Repository (University of Tasmania) · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSuperior colliculusSaccadeInhibition of returnGeneralityNeuroscienceComputer scienceAdaptation (eye)Sensory systemLimitingDimension (graph theory)Neural activityLateral inhibitionEye movementPerceptionPsychologyMathematicsVisual attentionEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Sensory adaptation and oculomotor inhibition of return (IOR) have been extensively modeled using a onedimensional dynamic neural field (DNF) model of the superior colliculus (SC). However, a great deal of paradigms are incapable of being simulated in a single dimension, limiting the generality of previous implementations. Here, we expand on previous work by implementing the inhibitory cueing mechanisms underlying IOR in a two-dimensional DNF. With such a model, we were able to reproduce the results reported in our previous work, validating the use of two-dimensional DNF models in future theoretical investigations. We discuss a number of new findings in the literature that should be simulated in two dimensions to further our understanding of inhibitory cueing mechanisms and saccade dynamics, such as the center of gravity effect of IOR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,722
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,220
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeCite Digital Repository (University of Tasmania)Même sujetVisual perception and processing mechanismsTravaux en français237 207