EEG-based decoding of shapes and their categories in visual working memory
Notice bibliographique
Résumé
Visual working memory (VWM) allows us to store information in a highly accessible format for an upcoming task. Traditionally, VWM studies require participants to keep a precise copy of a stimulus in mind. But in the real world, we might need to store the same information for different types of tasks, such as recognition or categorisation judgements. For example, when deciding if a bike is the exact model you want, or the same brand. In this study, we asked how categorisation modulates VWM representations. Participants first learned to group unfamiliar shapes from the Validated Circular Shape (VCS) space (Li et al., 2020) into two categories based on their visual features. They then completed a shape VWM task that either required delayed match-to-sample or delayed match-to-category judgements on different blocks while we collected electroencephalography (EEG) data. We tracked the emergence of stimulus-, category- and task level information with high temporal resolution using multivariate pattern analyses of EEG. The neural activity pattern over posterior electrodes contained information about the memorised shape for about one second following VWM encoding. Initially, the stimulus code overlapped across the two tasks, but quickly separated according to task. Later in the delay, stimulus coding persisted only for the match-to-category task and was accompanied by a neural category signal, indicating that categorisation may require an active stimulus representation. To our knowledge, this is the first illustration that the VCS space is decodable from EEG, preserving the circular similarity structure. This provides a fruitful avenue for researchers looking to characterise neural representations of unfamiliar visual stimuli with high temporal resolution. The results of this study will help elucidate the neural mechanisms supporting VWM under different task demands.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».