Attention is an indispensable component of active vision. Contrary to the widely accepted notion that temporal cortex processing primarily focusses on passive object recognition, a series of very recent studies emphasize the role of temporal cortex structures, specifically the superior temporal sulcus (STS) and inferotemporal (IT) cortex, in guiding attention and implementing cognitive programs relevant for behavioral tasks. The goal of this theoretical paper is to advance the hypothesis that the temporal cortex attention network (TAN) entails necessary components to actively participate in attentional control in a flexible task-dependent manner. First, we will briefly discuss the general architecture of the temporal cortex with a focus on the STS and IT cortex of monkeys and their modulation with attention. Then we will review evidence from behavioral and neurophysiological studies that support their guidance of attention in the presence of cognitive control signals. Next, we propose a mechanistic framework for executive control of attention in the temporal cortex. Finally, we summarize the role of temporal cortex in implementing cognitive programs and discuss how they contribute to the dynamic nature of visual attention to ensure flexible behavior.
On sources to variabilities of simple cells in the primary visual cortex: A principled theory for the interaction between geometric image transformations and receptive field responses
All Recognition is Accomplished By Interacting Bottom-Up Sensory and Top-Down Context Bias in Occipital to Frontal Cortex Neural Networks
每个单词的识别都是通过自下而上的子单词和单词识别神经网络与自上而下的认知单词上下文预期的密切合作来完成的。这种上下文适当的协作的效用是在识别时间、准确性和皮层神经处理资源方面的大量节省。重复启动是最简单的情境促进形式，已经得到了广泛的研究，但行为和认知神经科学的研究未能产生一个共同的共享模式。易化归因于暂时降低的单词识别阈值。最近的fMRI证据表明，额叶，前额叶，左颞叶皮层的相互作用，这种启动偏见的来源。五个实验清楚地表明，单词识别促进是一个偏见的影响。一个循环神经网络模型Context-Biased Fast Accurate Recognition展示了这种预期偏差是如何通过自上而下的概念认知网络和自下而上的词汇识别网络之间的相互作用来实现的。信号检测理论认为，这种促进偏差会被错误识别相似但不同的单词的代价所抵消。然而，素数通常会创建一个临时的时空识别窗口，在该窗口内素数复发的概率大幅提高，矛盾地将偏差转化为灵敏度。
Open-source tools for dynamical analysis of Liley's mean-field cortex model
哺乳动物大脑皮层的平均场模型将大脑的这一部分视为二维的可兴奋介质。由兴奋性和抑制性神经元群体产生的电势由非线性、耦合的偏微分方程描述，已知其产生复杂的时空行为。我们关注Liley { \sl et al.}的模型。（网络：计算。（2002）13，67-113）。这个模型的几个减少已被详细研究，但其时空动态的直接分析，据我们所知，从来没有尝试过。在这里，我们描述了隐式时间步长的模型和切线线性模型，并解决平衡和时间周期的解决方案，使用开源库PETSc的实施。通过使用区域分解进行并行化和线性问题的迭代求解，该代码能够以亚毫米分辨率解析皮质组织的宏观切片的一些动态。
A Sinc Wavelet Describes the Receptive Fields of Neurons in the Motion Cortex
Quantum Lucid Research Laboratories（量子清晰研究实验室）
视觉感知来自于流经视觉系统的信息的系统转换。在神经元层级中，单个神经元的响应特性由位于下一级的神经元确定，并且反过来，确定位于上一级的神经元的响应。因此，在感受野建模中，必须确保通过组合其输入水平中的神经元的响应模型来生成给定水平中的神经元的响应特性。然而，运动皮层中神经元的现有响应模型并不固有地产生时间频率滤波梯度（TFFG）特性，所述时间频率滤波梯度（TFFG）特性已知沿着初级视觉皮层（V1）到中间时间（MT）运动处理流出现。TFFG是沿V1至MT通路从主要低通到主要带通的时间频率滤波特征的变化（Foster et al 1985; DeAngelis et al 1993; Hawken et al 1996）。我们设计了一个新的模型，sinc小波模型（Odaibo，2014），它逻辑上有效地生成了TFFG。该模型用sinc（sin（x）/x）函数取代了Gabor函数的正弦波载波，并且具有与现有模型相同或更少数量的参数。由于sinc小波与TFFG的突现网络性质在逻辑上是一致的，我们认为sinc小波是运动皮层神经元感受野的一个较好的模型。该模型将为大脑如何表达视觉信息提供新的生理学见解。
Visual attention information can be traced on cortical response but not on the retina: evidence from electrophysiological mouse data using natural images as stimuli
