Synthetic Simulations Of Extracellular Recordings (SSOER) Dataset
Notice bibliographique
Résumé
This dataset contains synthetic data from simulations (for a total duration of 10 minutes) including the activity of one multi-unit and two single-units for different firing rates and signal-to-noise ratio levels. It is intended to be used as a standardized dataset to evaluate spike sorting algorithms. Recordings were taken using a sampling rate of 24 kHz, and are comprised of spikes from a database with 594 different average spike shapes, taken from real recordings from monkey neocortex and basal ganglia. This dataset is comprised of two files: <em>data.npy</em> and <em>labels.csv</em>. <em>data.npy</em> contains 14,400,000 sampled voltage values, from a single channel, taken at a sampling rate of 24 kHz. <em>labels.csv</em> contains the timestep, spike class, amplitude (SNR), and firing rate associated with each spiking event. The original samples used to construct this dataset where previously constructed and made available in [1]. This dataset is an amalgamation of simulation files, which were previously publicly accessible at: http://www2.le.ac.uk/departments/engineering/research/bioengineering/neuroengineering-lab/software. Consequently, when using or making modifications to this dataset, in addition to acknowledging this record, [1] must also be acknowledged, as per the original author's request. [1] J. Martinez, C. Pedreira, M. J. Ison, and R. Quian Quiroga, “Realistic simulation of extracellular recordings,” Journal of Neuroscience Methods, vol. 184, no. 2, pp. 285–293, Nov. 2009, doi: 10.1016/j.jneumeth.2009.08.017.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,112 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».