MétaCan
Menu
Retour à la cohorte
Enregistrement W2965777062 · doi:10.3389/fnint.2019.00039

Encoding and Perception of Electro-communication Signals in Apteronotus leptorhynchus

2019· review· en· W2965777062 sur OpenAlexafffund
Michael G. Metzen

Notice bibliographique

RevueFrontiers in Integrative Neuroscience · 2019
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueFish biology, ecology, and behavior
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésElectric fishCommunication sourcePerceptionAnimal communicationNeuroscienceSIGNAL (programming language)CommunicationSystems neurosciencePsychologyComputer scienceFish <Actinopterygii>BiologyTelecommunicationsCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Animal communication plays an essential role in triggering diverse behaviors. It is believed in this regard that signal production by a sender and its perception by a receiver is co-evolving in order to have beneficial effects such as to ensure that conspecifics remain sensitive to these signals. However, in order to give appropriate responses to a communication signal, the receiver has to first detect and interpret it in a meaningful way. The detection of communication signals can be limited under some circumstances, for example when the signal is masked by the background noise in which it occurs (e.g., the cocktail-party problem). Moreover, some signals are very alike despite having different meanings making it hard to discriminate between them. How the central nervous system copes with these tasks and problems is a central question in systems neuroscience. Gymnotiform weakly electric fish pose an interesting system to answer these questions for various reasons: (1) they use a variety of communication signals called "chirps" during different behavioral encounters; (2) the central physiology of the electrosensory system is well known; and (3) most importantly, these fish give reliable behavioral responses to artificial stimuli that resemble natural communication signals, making it possible to uncover the neural mechanisms that lead to the observed behaviors.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,039
Tête enseignante GPT0,311
Écart entre enseignants0,272 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Integrative NeuroscienceMême sujetFish biology, ecology, and behaviorTravaux en français237 207