MétaCan
Menu
Retour à la cohorte
Enregistrement W4385327615 · doi:10.1063/5.0167771

Induced synchronization by endogenous noise modulation in finite-size random neural networks: A stochastic mean-field study

2023· preprint· en· W4385327615 sur OpenAlexafffund
Jérémie Lefebvre, Axel Hutt

Notice bibliographique

RevueChaos An Interdisciplinary Journal of Nonlinear Science · 2023
Typepreprint
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensKrembil FoundationUniversity Health NetworkUniversity of TorontoWilfrid Laurier UniversityOntario Brain InstituteUniversity of OttawaCanada Research Chairs
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaInstitut national de recherche en informatique et en automatique (INRIA)
Mots-clésModulation (music)Noise (video)Artificial neural networkField (mathematics)Computer scienceStatistical physicsPhysicsAcousticsMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Event-related synchronization and desynchronization (ERS/ERD) are well-known features found experimentally in brain signals during cognitive tasks. Their understanding promises to have much better insights into neural information processes in cognition. Under the hypothesis that neural information affects the endogenous neural noise level in populations, we propose to employ a stochastic mean-field model to explain ERS/ERD in the γ-frequency range. The work extends previous mean-field studies by deriving novel effects from finite network size. Moreover, numerical simulations of ERS/ERD and their analytical explanation by the mean-field model suggest several endogenous noise modulation schemes, which may modulate the system's synchronization.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,464
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0040,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,327
Écart entre enseignants0,282 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChaos An Interdisciplinary Journal of Nonlinear ScienceMême sujetNeural Networks and ApplicationsTravaux en français237 207