Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Inferential Pitfalls in Decoding Neural Representations.

Popov, V., Ostarek, M., & Tenison, C. (2017). Inferential Pitfalls in Decoding Neural Representations. In G. Gunzelmann, A. Howes, T. Tenbrink, & E. Davelaar (Eds.), Proceedings of the 39th Annual Conference of the Cognitive Science Society (CogSci 2017) (pp. 961-966). Austin, TX: Cognitive Science Society.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-002D-1B44-5 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0002-C069-F
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
Popov_Ostarek_Tenison_2017.pdf (Verlagsversion), 555KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0000-DFBE-0
Name:
Popov_Ostarek_Tenison_2017.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Popov, V.1, Autor
Ostarek, Markus2, 3, Autor           
Tenison, C.1, Autor
Affiliations:
1Department of Psychology, Carnegie Mellon University, Pittsburgh, PA, USA, ou_persistent22              
2Psychology of Language Department, MPI for Psycholinguistics, Max Planck Society, ou_792545              
3International Max Planck Research School for Language Sciences, MPI for Psycholinguistics, Max Planck Society, Nijmegen, NL, ou_1119545              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: A key challenge for cognitive neuroscience is to decipher the representational schemes of the brain. A recent class of decoding algorithms for fMRI data, stimulus-feature-based encoding models, is becoming increasingly popular for inferring the dimensions of neural representational spaces from stimulus-feature spaces. We argue that such inferences are not always valid, because decoding can occur even if the neural representational space and the stimulus-feature space use different representational schemes. This can happen when there is a systematic mapping between them. In a simulation, we successfully decoded the binary representation of numbers from their decimal features. Since binary and decimal number systems use different representations, we cannot conclude that the binary representation encodes decimal features. The same argument applies to the decoding of neural patterns from stimulus-feature spaces and we urge caution in inferring the nature of the neural code from such methods. We discuss ways to overcome these inferential limitations.

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 20172017
 Publikationsstatus: Online veröffentlicht
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: -
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: The 39th Annual Conference of the Cognitive Science Society (CogSci 2017)
Veranstaltungsort: London, UK
Start-/Enddatum: 2017-07-26 - 2017-07-29

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Proceedings of the 39th Annual Conference of the Cognitive Science Society (CogSci 2017)
Genre der Quelle: Konferenzband
 Urheber:
Gunzelmann, G., Herausgeber
Howes, A., Herausgeber
Tenbrink, T., Herausgeber
Davelaar, E., Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Austin, TX : Cognitive Science Society
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 961 - 966 Identifikator: -