MétaCan
Menu
Retour à la cohorte
Enregistrement W4410845774 · doi:10.1088/1361-6463/adde6d

Asymmetrical response of NbO<sub>2</sub>-based neuristor for three-dimensional sound localization

2025· article· en· W4410845774 sur OpenAlexafffund
Yungang Li, Yan Liu, Wenbo Sun, Christy Giji Jenson, Sharif Md. Sadaf, Juan Song, Yiwen Zhang, Xinjun Liu

Notice bibliographique

RevueJournal of Physics D Applied Physics · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésSound (geography)AcousticsComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Neuristors show promise in replicating human-brain neuronal functions, yet their application to sensory neurons, especially for mimicking complex auditory behaviors like sound localization, remains challenging. This study uncovers an asymmetrical response in the output signals of NbO 2 -based neuristor: positive current inputs induce periodic oscillations, while negative inputs of equal magnitude trigger bursting spikes. A dual-input system with interaural time differences is presented for sound localization. The output waveform’s oscillation-bursting sequence indicates the sound source’s position on the left/right of the ear. Moreover, the oscillation’s amplitude and frequency can reveal the sound-source distance, and the number of bursting spikes determines the azimuth. Based on these findings, we propose a four-ear input neuronal circuit using two neuristor models for rapid and accurate two-dimensional spatial localization. For three-dimensional (3D) localization, a six-ear input model enables high-precision localization through octant determination, azimuth calculation, and frequency-based distance measurement. This research holds great potential for advancements in sound localization, 3D speed measurement, and voiceprint-based sound identification.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,691

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,255
Écart entre enseignants0,238 · 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.

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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics D Applied PhysicsMême sujetNeural Networks and ApplicationsTravaux en français237 207