MétaCan
Menu
Retour à la cohorte
Enregistrement W3005956544 · doi:10.36505/exling-2019/10/0039/000401

Simulating alphabet recitation under thalamic lesions

2019· article· en· W3005956544 sur OpenAlexaff
Martin D. Pham, Terrence C. Stewart, Suzanne L. Tyas, Randy Allen Harris

Notice bibliographique

RevueExLing Conferences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversity of WaterlooOntario Brain InstituteHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésBasal gangliaComputer scienceThalamusPointer (user interface)NeuroscienceNeurocognitiveWorking memoryAssociative propertyArtificial intelligenceAlphabetSpeech recognitionArtificial neural networkPsychologyCognitionMathematicsCentral nervous system

Résumé

récupéré en direct d'OpenAlex

We utilize the Semantic Pointer Architecture, a neurocognitive architecture in order to model language impairments. Constructed is a spiking neural network to investigate the effect of neural deficits in the basal ganglia and thalamus on the retrieval of an ordered sequence of unique symbols. The model includes four subnetworks: associative memory, working memory, basal ganglia and thalamus. A lesion is simulated by reducing the number of available neurons in the thalamus and attenuating its input from the basal ganglia. The model remains mostly successful in the ordered retrieval of the alphabet but ‘stutters’: working memory ‘forgets’ the current letter and ‘steps back’ several letters before continuing correctly.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,271
Écart entre enseignants0,237 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExLing ConferencesMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207