Microsaccades enable efficient synchrony-based visual feature learning and detection

Timothée Masquelier 1, * Geoffrey Portelli 2 Pierre Kornprobst 2
* Auteur correspondant
2 NEUROMATHCOMP - Mathematical and Computational Neuroscience
CRISAM - Inria Sophia Antipolis - Méditerranée , JAD - Laboratoire Jean Alexandre Dieudonné : UMR6621
Abstract : 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).
Type de document :
Poster
Twenty Third Annual Computational Neuroscience Meeting: CNS*2014, Jul 2014, Québec, Canada. 15 (Suppl 1), pp.P121, 2014, BMC Neuroscience
Liste complète des métadonnées

Littérature citée [4 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01026508
Contributeur : Ed. Bmc <>
Soumis le : lundi 21 juillet 2014 - 17:04:04
Dernière modification le : jeudi 3 mai 2018 - 13:32:58
Document(s) archivé(s) le : lundi 24 novembre 2014 - 21:27:52

Fichiers

Identifiants

  • HAL Id : hal-01026508, version 1

Collections

Citation

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〉

Partager

Métriques

Consultations de la notice

195

Téléchargements de fichiers

89