MétaCan
Menu
Retour à la cohorte
Enregistrement W2617985161 · doi:10.5539/mer.v7n1p31

A Model of Early Motivational States and Their Uses

2017· article· en· W2617985161 sur OpenAlexvenueno aff
H. Hemami

Notice bibliographique

RevueMechanical Engineering Research · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensnon disponible
Organismes subventionnairesOhio State University
Mots-clésPsychologyPerceptionCognitive psychologyComputer scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

A model of early development of motivational states is proposed. The states are modeled in terms of modern concepts of state space and are physically realized by long-term-potentiation (LTP)-based neural circuits. The basic idea is to assume existence of libido and aggression instincts that would receive single sensory stimulus and induce capabilities for fight-or-flight, freeze or run, etc. The libido state may lead to happiness, contentment, or activities such as dance or play, imitation of observed behavior and action of others, and engagement in learning by trial and error.Enhancement of two motor skills are presented: responding more quickly in time and delivering a larger force of contact. This is a simple example of how the perception system, the motor system and the motivation system interact. A one-degree-of-freedom second-order mechanical system is modified by a first-order neural facilitator or compensator.The tit-for-tat phenomenon in force escalation is also modeled. The model includes tactile sensors for the measurement of a known force applied to a human finger, afferent transmission of the sensed force to the brain, storage of the perceived force, recovery of the stored force from memory, and efferent transmission of the force to the finger. The situation may change based on perception of more adversaries discouraging retaliation and encouraging resort to withdrawal and / or retreat.

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)0,001
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 enseignants0,012
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,107
Tête enseignante GPT0,331
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'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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechanical Engineering ResearchMême sujetNeural Networks and ApplicationsTravaux en français237 207