Modèle accord de modulation

February 12, 2019
jvarela
Uncategorized

Albert compte, Xiao-Jing Wang; Changement de courbe d`accordage par l`attention modulation dans les neurones corticaux: une étude computationnelle de ses mécanismes, cortex cérébral, volume 16, numéro 6, 1 juin 2006, pages 761 – 778, https://doi.org/10.1093/cercor/bhj021 l`hypothèse de codage efficace affirme que la sensibilité neuronale et perceptuelle a évolué pour représenter fidèlement les signaux sensoriels biologiquement pertinents. Nous avons ici caractérisé les statistiques de modulation spectrotemporelle de plusieurs ensembles sonores naturels et examiné comment les neurones encodent ces statistiques dans le noyau central du colliculus inférieur (CNIC) des chats. Nous rapmettons que la modulation-Tuning dans le CNIC est appariée pour égaliser la puissance de modulation des sons naturels. Plus précisément, les sons naturels présentaient un compromis entre les modulations spectrales et temporelles, qui se manifestent sous forme de spectre de puissance de modulation 1/f (MPS). L`accordage neuronal a été fortement chevauché avec le son naturel MPS et les neurones approximés filtres de résolution proportionnelle où les largeurs de bande de modulation à l`échelle avec des fréquences de modulation caractéristiques, un comportement décrit précédemment dans la psychoacoustique humaine . Nous démontrons que cette mise à l`échelle neuronale s`oppose à l`échelle 1/f des sons naturels et améliore la représentation sonore naturelle en égalisant leur MPS. L`accordage de modulation dans le CNIC peut donc avoir évolué pour représenter des modulations sonores naturelles d`une manière compatible avec les principes d`efficacité et les caractéristiques résultantes sous-tendent probablement la résolution perceptuelle. Les fonctions de modèle et leurs paramètres sont décrits dans la sous-section Méthodes “fonctions du modèle”, le numéro avant le modèle indique si le modèle portait sur des données provenant des conditions de stimulation d`une ou deux. u = mini Yi + 1.2 PTPI Yi où PTPI Yi = maxi Yi − mini Yi et {Yi} est l`ensemble de tous les taux de tir dans la courbe d`accordage. Les valeurs de 10,74, 2,41 et 100 pour la largeur-paramètre k du modèle Sβ correspondent à une demi-largeur-à-demi-maximum de 45 °, 90 ° et 15 °.

De même, les valeurs de k = 2,3, 0 et 20,34 pour le modèle vM correspondent à 45 °, 90 ° et 15 °; Comme k = 0 ferait le dénominateur dans la définition de vM zéro, il a été remplacé par 0,001. En outre, nous avons testé la validité de notre modèle dans l`équation (2) avec une analyse de validation croisée d`un congé (voir matériaux et méthodes: validation croisée d`un congé). Nous avons prédit avec précision une covariance omise ci jA (figure 2i et j), en accord avec notre analyse originale (figure 2g et h). Les valeurs de performance individuelles de session-par-session pour les configurations standard et de congé-une-sortie sont fournies (appendice: performance de modèle pour tous les singes et hémisphères). A) la valeur seuil pour Q au-dessus de laquelle accepter un ajustement n`est pas critique. Même pour Qthr > 0,7 plus de 80% de toutes les cellules se situent au-dessus de ce seuil indiquant un bon ajustement. B) la sélection de modèle est ambiguë même pour les données de substitution basées sur une forme réelle de modèle de «terre-vérité». Nous avons généré deux ensembles de substitution de données de réponse synthétique, en supposant que l`irrégularité de la forme dérive juste des fluctuations bruyantes ajoutées au-dessus des courbes de réglage bien sages sous-jacentes. Nous avons utilisé comme “true” formes wG (gauche) ou F3 (droite) s`adapte à la condition AFIX séparé spatialement et évalué les réponses de substitution aux mêmes angles que les courbes de réglage mesurées en ajoutant du bruit à chacun des 12 points résultants selon une distribution gaussienne avec la variance correspondant à la variabilité empirique de l`essai pour chaque cellule spécifique et la direction de stimulus.