MétaCan
Menu
← Retour à la cohorte
Enregistrement W2567933059 · doi:10.1167/16.12.616

Visual Tasks Lead to Unique Sequences of Cyclic Attentional Signals

2016· article· en· W2567933059 sur OpenAlexaff
John K. Tsotsos, Thilo Womelsdorf

Notice bibliographique

RevueJournal of Vision · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLead (geology)Cognitive psychologyComputer sciencePsychologyCommunicationNeuroscienceGeologyPaleontology

Résumé

récupéré en direct d'OpenAlex

The enormous breadth of human visual tasks highlights the question of how the visual cortex achieves this incredible generality. Recently, models of vision and visual attention (e.g., Tsotsos 2011, Beuth & Hamker 2015) have incorporated specific solutions toward such generality resulting in the insight that different visual tasks require unique patterns of neural activations to occur with specific timings in order to provide unified response. For example, sub-tasks such as task-set specific priming of visual features, disengaging from a previous attentional focus, selection of a next focus, matching focus to task, eye movements, storing extracted information into working memory, recognition of task completion (or failure), and resetting for the next task need to be set up, initiated, monitored and terminated with precise timing and coordination. Each computation takes time, each transfer of information between representations takes time, network transmission speeds and neural distance travelled vary, motor actions take time and so on. It is a major question to determine how segregated computational operations are temporally coordinated. Appeals to attentional executive processes and (de-)centralized control operations have appeared in the literature, but the desired generality has remained elusive in concept as well as possible neurobiological realization. Here, we outline in the context of the Selective Tuning model (Tsotsos et al. 1995; Tsotsos 2011), how attentional control signals and their timing depend on the specific task being performed. We outline how tasks define sequences of computations with unique content and duration. We predict that these computational sequences give rise to periodic, oscillatory activity that is measured across visual and fronto-parietal networks implementing attentional control of vision. We show how the computational constraints underlying visual tasks suggest a temporally precise unfolding of neural activation that is likely evident in brief periods of oscillatory activity measured across visual and attention networks of the brain. Meeting abstract presented at VSS 2016

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,137
Tête enseignante GPT0,446
Écart entre enseignants0,309 · 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'étudeObservationnel
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetNeural and Behavioral Psychology Studies→Travaux en français237 207→