MétaCan
Menu
Retour à la cohorte
Enregistrement W2466723879 · doi:10.1152/jn.00282.2016

Representing multiple object weights: competing priors and sensorimotor memories

2016· article· en· W2466723879 sur OpenAlexafffund
Lee A. Baugh, Amelie Yak, Roland S. Johansson, J. Randall Flanagan

Notice bibliographique

RevueJournal of Neurophysiology · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensQueen's University
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésPrior probabilityObject (grammar)PsychologyLift (data mining)IllusionCognitive psychologyCognitionComputer scienceArtificial intelligenceCommunicationMachine learningNeuroscienceBayesian probability

Résumé

récupéré en direct d'OpenAlex

When lifting an object, individuals scale lifting forces based on long-term priors relating external object properties (such as material and size) to object weight. When experiencing objects that are poorly predicted by priors, people rapidly form and update sensorimotor memories that can be used to predict an object's atypical size-weight relation in support of predictively scaling lift forces. With extensive experience in lifting such objects, long-term priors, assessed with weight judgments, are gradually updated. The aim of the present study was to understand the formation and updating of these memory processes. Participants lifted, over multiple days, a set of black cubes with a normal size-weight mapping and green cubes with an inverse size-weight mapping. Sensorimotor memory was assessed with lifting forces, and priors associated with the black and green cubes were assessed with the size-weight illusion (SWI). Interference was observed in terms of adaptation of the SWI, indicating that priors were not independently adjusted. Half of the participants rapidly learned to scale lift forces appropriately, whereas reduced learning was observed in the others, suggesting that individual differences may be affecting sensorimotor memory abilities. A follow-up experiment showed that lifting forces are not accurately scaled to objects when concurrently performing a visuomotor association task, suggesting that sensorimotor memory formation involves cognitive resources to instantiate the mapping between object identity and weight, potentially explaining the results of experiment 1 These results provide novel insight into the formation and updating of sensorimotor memories and provide support for the independent adjustment of sensorimotor memory and priors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,251
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), 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

Citations17
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeurophysiologyMême sujetMotor Control and AdaptationTravaux en français237 207