Author response: Neural correlations enable invariant coding and perception of natural stimuli in weakly electric fish
Notice bibliographique
Résumé
We can effortlessly recognize an object – a car, for example – in many different contexts such as when seen from behind, under different lighting levels or even from different viewpoints. This phenomenon is known as perceptual invariance: objects are correctly recognized, despite variations in exactly what is seen (or otherwise sensed). However, it is still not clear how the brain processes perceptual information to recognize the same object under a wide variety of contexts. Some fish, such as the brown ghost knifefish, produce a weak electric signal that they can alter to communicate with other members of their species. A communication call may be produced in a variety of contexts that alter which aspects of the signal nearby fish detect. Despite this, fish tend to respond to a given communication call in the same way regardless of its context; this suggests that these fish also have perceptual invariance. The communication calls of weakly electric fish can be easily mimicked in a laboratory and produce reliable behavioral responses, which makes these fish a good model for understanding how perceptual invariance might be coded in the brain. Therefore, Metzen et al. recorded the activity of the receptor neurons that first respond to communication calls in weakly electric fish. The results revealed that a given communication signal made the firing patterns of all receptor neurons in the fish’s brain more similar to each other, regardless of the signal’s context. This occurs despite the changes in context causing single receptor neurons to respond in different ways. At each stage of the process by which information is transmitted from the receptor neurons to neurons deeper in the brain, the similarity in the neurons’ firing patterns is refined, thereby giving rise to perceptual invariance. While perceptual invariance to a given object in different contexts is desirable, it is also important to be able to distinguish between different objects. This implies that neurons should respond similarly to stimuli associated with the same object and differently to stimuli associated with different objects. Further studies are now needed to confirm whether this is the case.
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 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,007 |
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 ».