Microsaccades enable efficient synchrony-based visual feature learning and detection - Inria - Institut national de recherche en sciences et technologies du numérique
Poster Année : 2014

Microsaccades enable efficient synchrony-based visual feature learning and detection

Résumé

Fixational eye movements are common across vertebrates, yet their functional roles, if any, are debated. To investigate this issue, we exposed the Virtual Retina simulator to natural images, generated realistic drifts and microsaccades using the model of ref, and analyzed the output spike trains of the parvocellular retinal ganglion cells (RGC).

Domaines

Neurosciences [q-bio.NC]
Fichier principal
Vignette du fichier
1471-2202-15-S1-P121.pdf (66.81 Ko) Télécharger le fichier
1471-2202-15-S1-P121.xml (8.4 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte
Format Autre
Origine Fichiers produits par l'(les) auteur(s)

Ed. BMC  : Connectez-vous pour contacter le contributeur

https://inria.hal.science/hal-01026508

Soumis le : lundi 21 juillet 2014-17:04:04

Dernière modification le : jeudi 2 mai 2024-14:25:48

Archivage à long terme le : lundi 24 novembre 2014-21:27:52

Télécharger pour visualiser

Dates et versions

hal-01026508 , version 1 (21-07-2014)

Identifiants

  • HAL Id : hal-01026508 , version 1

Citer

Timothée Masquelier, Geoffrey Portelli, Pierre Kornprobst. Microsaccades enable efficient synchrony-based visual feature learning and detection. Twenty Third Annual Computational Neuroscience Meeting: CNS*2014, Jul 2014, Québec, Canada. 15 (Suppl 1), pp.P121, 2014, BMC Neuroscience. ⟨hal-01026508⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INSERM UPMC CNRS INRIA INSMI DIEUDONNE U968 INRIA2 UNIV-COTEDAZUR SORBONNE-UNIVERSITE SU-MEDECINE
130 Consultations
103 Téléchargements

Partager

More