Transformational Apparent Motion In A Recurrent Neural Network
Notice bibliographique
Résumé
Sudden onset of a shape that connects two disjoint static figures can induce perception of motion in the form of a continuous shape-change. We previously proposed that the direction of this Transformational Apparent Motion (TAM) is determined by shape correspondence independently of the features defining the shapes (Saleki et al., 2022). Here, using a Recurrent Neural Network (RNN, 128 hidden units), we explored the processing involved in the perception of this illusory motion. We trained an RNN using reinforcement learning framework on a perceptual decision-making task with TAM stimuli. The motion direction for each stimulus configuration was labeled to the left, to the right, or colliding in the middle according to the illusory motion direction reported in previous studies with human participants. The RNN was able to learn the task completely (100% accuracy on test dataset). Principle Component Analysis (PCA) revealed that network activity in different stimulus conditions diverged after the onset of the connecting stimulus on each trial (simulated with 4 time steps for the equivalent of 200 ms between the onset and response), and occupied different parts of the activity space by the end of trial. This was confirmed by representational similarity analysis, indicating that the representations of leftward and rightward motion had a greater distance to each other than to the motion toward the middle. Using PCA loadings, we found the most discriminative units in the network and observed different clusters based on characteristic response profiles. To evaluate feature independence, we tested the network that was trained on solid shapes on a separate dataset where stimuli were defined only by their outlines. The network achieved perfect performance in this task as well, showing similar characteristics in most of the analyses. Our findings provide insights into the underlying processes involved in perception of motion in TAM.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».