Next, we aimed to discover what typ

Next, we aimed to discover what types of semantic information were represented at each point in cortex. In order to visualize the very high-dimensional semantic models, we used a dimensionality reduction technique called principal components analysis (PCA). PCA finds the most important dimensions in a dataset, which allowed us to reduce the 985-dimensional models to only three dimensions, while preserving as much information as possible. We used these three dimensions to visualize roughly which types of semantic information were represented at every location in the cortex, revealing complex semantic maps that tile the brain.

Finally, to discover which aspects of these maps are shared across subjects we developed and applied a new computational approach called PrAGMATiC, a probabilistic and generative model of areas tiling the cortex. This approach finds functional areas that are shared across subjects, while also allowing for individual variability in the anatomical location of each area.

Результаты (русский) 1:

Далее мы стремились обнаружить, какие типы семантической информации были представлены в каждой точке в коре головного мозга. Для того, чтобы визуализировать очень высокой мерных семантической модели, мы использовали метод сокращения размерностью под названием анализ основных компонентов (PCA). PCA находит наиболее важных измерений в наборе данных, что позволило нам уменьшить 985-мерных моделей только три измерения, сохраняя как можно больше информации. Мы использовали эти три аспекта для визуализации примерно на каждом месте в коре головного мозга, были представлены типы семантической информации выявление сложных семантических карт, которые плитка мозга.И наконец чтобы обнаружить, какие аспекты этих карт являются общими для всех субъектов мы разработали и применять новый вычислительный подход, называемый прагматическая, вероятностные и генеративных модель областей, черепица коры головного мозга. Этот подход находит функциональные области, которые являются общими для всех субъектов, позволяя при этом также для индивидуальной изменчивости в анатомических месте каждой области.

Результаты (русский) 3:

затем мы с целью выяснить, что виды семантической информации, были представлены в каждой точке коры.в целях демонстрации очень high-dimensional смысловой модели, мы использовали метод называется размерности сокращение анализ главных компонентов (спс).пптс считает наиболее важных аспектов в базу данных, что позволило нам снизить 985 трехмерной модели лишь в трех измерениях, сохраняя как можно больше информации.мы использовали эти три аспекта визуализировать примерно какие типы семантической информации были представлены на каждое место в коре, что сложные семантической карты, кафель мозга.и, наконец, узнать, какие аспекты этих карт, являются общими для всех субъектов мы разработать и применять новый подход в расчетах, прагматичный, вероятностные и производительной модели районах облицовка коры головного мозга.такой подход находит функциональных областях, являются общими для всех предметов, а также предоставление индивидуальных вариативности в анатомических местоположение каждого района.