Spike Timing Depended Plasticity Produces Unsupervised Learning of Synergistic Muscle Feedback in a Synthetical Neural Network
Notice bibliographique
Résumé
This study investigates how type Ia feedback from muscle spindles can be organized into groups representing agonistic muscle pairs through Spike Timing Dependent Plasticity (STDP). A single degree of freedom joint is actuated with four biologically modeled muscles forming two agonistic pairs. In order to emulate the sensory dynamics of biological muscle spindles, sensors in the model record the active length and velocity states of each muscle, the two primary factors eliciting type Ia afferent responses. In biological networks, synapses from Ia sensory neurons frequently activate interneurons representing agonistic muscle sources. This research investigates whether this organization can emerge in an initially unsorted network through synaptic modulation via STDP. The network of interconnected Ia sensory neurons and interneurons initiates with random conductance values, without knowledge of the desired organization structure. Under semi-randomized muscle activation, STDP in the proprioceptive network demonstrates the ability to organize Ia sensory neuron signals into groups according to their agonistic sources, mirroring known architecture. STDP provides a biologically plausible, unsupervised learning mechanism by which the known connections in vivo may form. With continuing work, STDP may prove itself capable of organizing proprioceptive networks for larger musculoskeletal systems, possibly on the scale of biological creatures. Future investigations will explore how the application of STDP to the other known synaptic connections in the Ia afferent network may assist in additional organization of the network architecture.
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 | 0,001 |
| 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 | 0,000 | 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 ».