Speech-like movements emerge from simulated peri-oral muscle activation space without neural control
Notice bibliographique
Résumé
Muscle synergies have been proposed as a solution to the degrees of freedom problem inherent in the biomechanics of speech production [Gick & Stavness, 2013, Front. Psych, 4, 977]. However, the majority of experiments involving the extraction of muscle synergies prove theoretically insufficient to determine whether such synergies are of neural origin or simply reflect the lower dimensionality of an under-sampled biomechanical/neural task space [Kutch & Valero-Cuevas, 2012, PLoS computational biology, 8(5), e1002434]. Therefore, to what extent biomechanics of the human vocal tract may constrain the “ecological state space” of a speaker during locution remains uninvestigated. As a proof of concept, we created a simplified version of the peri-oral region using FEM modeling in a physics-based simulator (ArtiSynth [Lloyd et al., 2012, Soft tissue biomech…surgery, pp. 355]). Systematic simulations enabled us to model the full kinematic/biomechanical space. Visualization of the resulting biomechanical state space using t-SNE [van der Maaten & Hinton, 2008, J.MLR., 9, 2579] illustrates that speech-like movements (e.g., lip rounding or spreading) emerge as self-organizing structures (muscle synergies) critically without a direct neural controller. These results are discussed in the context of current and future explorations of motor control of speech. [Funded by NSERC.]
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».