Phase resetting with temporal template explains complexity matching in finger tapping to fractal rhythms
Notice bibliographique
Résumé
Auditory-motor synchronization refers to the coupling of motor responses to rhythmic auditory stimuli. This study examined finger-tapping dynamics under three conditions: self-paced tapping, tapping to metronomic stimuli, and tapping to fractal auditory stimuli. Using Detrended Fluctuation Analysis (DFA) to estimate Hurst exponents, H, and Diffusion Entropy Analysis (DEA) to estimate scaling exponents, d, in each condition, we found that self-paced tapping exhibited persistent or super-diffusive inter-tap intervals (H=0.63±0.145, d=0.64±0.097), while tapping to metronomic stimuli showed a trend toward random noise (H=0.55±0.101, d=0.58±0.126). Complexity matching, that is, systematic adjustment of intertap intervals to match persistence levels of fractal stimuli, was observed between the Hurst exponents of auditory stimuli (H=0.25 to H=1.5) and complexity measures of tapping (H=0.54 to H=0.81; d=0.51 to d=0.72). A Gaussian linear mixed model confirmed significant associations between the Hurst exponents of auditory stimuli and H of the corresponding intertap interval time series. In contrast, the associations between the Hurst exponents of auditory stimuli and d of the corresponding intertap interval time series were mixed. To understand these empirical observations, we utilized the neural hopping model to represent the intrinsic mechanism underlying self-paced tapping and incorporated the Van der Pol oscillator to account for auditory stimuli as a driving force. Metronomic stimuli were modeled as harmonic forcing, resulting in simulated tapping with H=0.50±0.175 or d=0.53±0.115. Complexity matching to fractal stimuli was achieved through phase resetting. We evaluated four coupling variants of phase-resetting, i.e., with or without continuous harmonic drive and including or excluding reset jitter. We performed precision-weighted root-mean-square error (WRMSE) model selection across six fractal conditions with a two-stage bootstrap. The Drive+Jitter variant best reproduced the empirical scaling for both H (pointwise WRMSE = 0.05; win probability = 0.79) and d (pointwise WRMSE = 0.09; win probability = 0.70). The Drive+Jitter phase resetting model simulated tapping persistence values ranging from H=0.57 to H=0.78 or d=0.44 to d=0.85, closely aligning with the experimental data. These results indicate that fractal auditory stimuli can elicit fractal motor outputs comparable to those in healthy states, suggesting potential therapeutic benefits for motor recovery and rehabilitation. The modeling approach provides a framework for understanding the mechanisms underlying auditory-motor synchronization across different tapping conditions.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».