MétaCan
Menu
Retour à la cohorte
Enregistrement W2528338211 · doi:10.3390/info8010004

A Symmetric Approach Elucidates Multisensory Information Integration

2016· article· en· W2528338211 sur OpenAlexaff
Arturo Tozzi, James F. Peters

Notice bibliographique

RevueInformation · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueMultisensory perception and integration
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMultisensory integrationStimulus modalityPerceptionComputer scienceMatching (statistics)Sensory systemPoint (geometry)Isolation (microbiology)Topology (electrical circuits)CommunicationCognitive scienceArtificial intelligenceMathematicsPsychologyNeuroscienceBiologyGeometry

Résumé

récupéré en direct d'OpenAlex

Recent advances in neuronal multisensory integration suggest that the five senses do not exist in isolation of each other. Perception, cognition and action are integrated at very early levels of central processing, in a densely-coupled system equipped with multisensory interactions occurring at all temporal and spatial stages. In such a novel framework, a concept from the far-flung branch of topology, namely the Borsuk-Ulam theorem, comes into play. The theorem states that when two opposite points on a sphere are projected onto a circumference, they give rise to a single point containing their matching description. Here we show that the theorem applies also to multisensory integration: two environmental stimuli from different sensory modalities display similar features when mapped into cortical neurons. Topological tools not only shed new light on questions concerning the functional architecture of mind and the nature of mental states, but also provide an empirically assessable methodology. We argue that the Borsuk-Ulam theorem is a general principle underlying nervous multisensory integration, resulting in a framework that has the potential to be operationalized.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,006
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,031
Tête enseignante GPT0,294
Écart entre enseignants0,263 · 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'étudeThéorique ou conceptuel
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

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformationMême sujetMultisensory perception and integrationTravaux en français237 207