Neural network models of the tactile system develop first-order units with spatially complex receptive fields
Notice bibliographique
Résumé
First-order tactile neurons have spatially complex receptive fields.Here we use machinelearning tools to show that such complexity arises for a wide range of training sets and network architectures.Moreover, we demonstrate that this complexity benefits network performance, especially on more difficult tasks and in the presence of noise.Our work suggests that spatially complex receptive fields are normatively good given the biological constraints of the tactile periphery. ResultsFirst-order tactile neurons in the hairless skin of the human hand have distal axons that branch in the skin and form many transduction sites [1-3], yielding spatially complex receptive fields with many highly sensitive zones [4,5] (Fig 1A).We have recently shown that this arrangement permits first-order tactile neurons to signal high-level features of touched objects such as the orientation of a touched edge [4,6,7], a capacity previously considered a hallmark of processing in the somatosensory cortex [8-10].Here we leverage machine learning tools to investigate why complex receptive fields arise and what computational benefits they yield.We show that complex receptive fields arise under a wide range of training sets and biologically realistic network constraints.We also show that complex receptive fields benefit network performance, especially on more complex discrimination tasks and in the presence of noise.We abstracted the tactile processing pathway with a four-layer feedforward neural network (Fig 1B and 1C).The input layer of our network consisted of 784 units, representing mechanoreceptors distributed over a small patch of skin.In this arrangement, the weight matrix between the input and first hidden layer-which we call W (1) -represents the receptive fields of first-order tactile neurons.Our network was trained on a range of stimuli including single
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».