Modèle lettre sous couvert de la voie hierarchique

Vous pouvez créer un style de liste pour n`importe quel type de liste hiérarchique, à partir d`un simple qui ne comprend que deux niveaux de hiérarchie, à un complexe qui utilise de nombreux styles de chiffres et de lettres pour définir plusieurs niveaux. Naturellement, cela soulève des questions sur la raison pour laquelle on pourrait se concentrer sur une chose au lieu d`un autre, et comment on décide où se déplacer son focus à la prochaine. Ces questions constituaient la base de plus d`un siècle de recherche sur le suivi des yeux. Bien que des progrès significatifs aient été accomplis pour y répondre, ils demeurent un point d`intrigue aujourd`hui. La description mathématique est fournie ci-dessous et peut être conceptualisée comme suit: à chaque étape t, le système de reconnaissance reçoit l`entrée sensorielle, ici les amplitudes actuelles de la dynamique p (t) et k (t). Comme le modèle génératif, le système de reconnaissance a trois niveaux ainsi. Chacun de ces trois niveaux consiste en l`interaction des populations neuronales, qui encodent les prédictions, c.-à-d. les attentes, sur la façon dont leur dynamique interne évoluera au cours d`une chanson. Dans le même temps, chaque niveau reçoit l`entrée du niveau subordonné. Pour le premier niveau, il s`agit de l`entrée sensorielle, qui est comparée à la prédiction interne. L`erreur de prédiction est transmise au deuxième niveau, où de nouveau les prédictions sont utilisées pour générer des erreurs de prédiction, qui sont transmises au troisième niveau. De façon critique, chaque niveau ajuste ses prédictions internes pour minimiser son erreur de prédiction pondérée par la précision antérieure de la prédiction interne.

À chaque niveau, les prédictions mises à jour sont envoyées aux niveaux subordonnés pour guider leurs prédictions internes par des prédictions de niveau supérieur. En résumé, chaque niveau minimise son erreur de prédiction par une fusion de la dynamique interne avec les messages de haut en bas (prédictions) et ascendantes (erreur de prédiction). Le résultat global est qu`un oiseau d`écoute fusionne ses attentes dynamiques et hiérarchiquement disposées au sujet d`une chanson avec l`entrée réelle sensorielle. Fait important, en raison de cette fusion dynamique, la reconnaissance est robuste contre les écarts par rapport à ses attentes en expliquant les erreurs de l`oiseau chantant par une erreur de prédiction pondérée interne de précision. La dérivation des équations de mise à jour pour obtenir des solutions de reconnaissance en ligne optimales de Bayes est non négligeable, voir Friston et coll. [11]. Notez que cette approche de modélisation implique que les modèles de génération et de reconnaissance sont fondamentalement différents les uns des autres dans le sens que la génération est un processus descendant où la reconnaissance se compose des processus de haut en bas et ascendantes. Bien que certains des calculs dans le modèle de génération et de reconnaissance sont les mêmes et peuvent fournir une explication computationnelle pour les comptes de neurone miroir [51], ce n`est pas une question centrale dans le présent document et nous supposons ici que la reconnaissance est effectuée par des populations neuronales différentes de celles qui ont généré la chanson.