Новый цвет приоры 2019: Все цвета Лада Приора с фото


0
Categories : Разное

Содержание

Лада приора синего цвета — АвтоТоп

черно-синяя приора какой код краски?

Подскажите пожалуйста пойдут ли уплотнительные резинки дверей с калины

by Adminrive · Published 13.08.2016

Кто нибудь ставил кондей на норму

by Adminrive · Published 03.08.2012

Ребят кто ставил 2динувую магнитолу

by Adminrive · Published 06.06.2016

28 комментариев

Сложный вопрос.
У меня сине-чёрный и чёрт знает как называется и какой номер.

Робин-гуд 391 или млечный путь 606 наверно

а не 665 космос.

или баклажановый 107 или лазурит 445 как вариант

робин гуд это вроде с зелеными вкраплениями,а космос с синими

или просто тёмно-синий 456

У друга чёрно-синяя млечный путь.

в птс черно-синий написано

как сука краску подбирать

Кирилл, это наверно Тёмно-синий и есть. 456
Чёрно-синий такого названия краски нет

Кирилл, опечатались наверно

Кирилл, фото машины выложи

млечный путь в описании «серебристо-серо-графитовый»

а космос в описании черный

Кирилл, это тёмно-синий 456 инфа 100%

или млечный путь

робин в зеленоту

Кирилл, черно синий это космос, у меня такой же а цвет 665 краска хэлмос

Кирилл, космос даю 100% гарантию тоже самое черно синия

Кирилл, загляни под запаску там бумажка должна быть наклеена с кодом краски и ее маркой

а тут собаки в описании что космос 665 это черный,это не робин и не 456,на 456 видно прям синь,а моя ей практически не пахнет

Кирилл, да космос это

Санёка, завтра гляну,ебучий матиз головняка подкинул,делать то он будет,просто не хочется чтоб косанули с краской

Лада Приора в кузовах седан и хэтчбек цвета Борнео 633 выпускалась в период с 2013 по 2016 год. Этот цвет «в народе» называют серебристо серый. Помимо Приоры, в данный цвет окрашивались так же Лада Гранта и Нива 4×4 в этот же период, что и Приоры.

Характеристики цвета

  • Код краски: 633
  • Название цвета: BORNEO, Борнео
  • Тип краски: Перламутр, Металлик, Солид, Базовая
  • Цветовая группа: Серый
  • Года выпуска автомобилей: 2013 — 2016 гг.

Очень красивый цвет для Приоры в совокупности с серебристыми дисками. Многим автолюбителям нравиться именно этот цвет, судя по объему продаж модели.

№, п/п

Код ВАЗ

Наименование

Примерный вид

Металлик

Описание

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

metalic

О компании

Доставка и оплата

Полезная информация

ЗАКАЗ ПРИНЯТ

Мы свяжемся с Вами в течение 24 часов (кроме воскресных и праздничных дней):
— по телефону — для клиентов из Санкт-Петербурга и Ленинградской области — по электронной почте — для клиентов из регионов России.

Цвета лада приора седан | Хитрости Жизни

Лада Приора в кузовах седан и хэтчбек цвета Борнео 633 выпускалась в период с 2013 по 2016 год. Этот цвет «в народе» называют серебристо серый. Помимо Приоры, в данный цвет окрашивались так же Лада Гранта и Нива 4×4 в этот же период, что и Приоры.

Характеристики цвета

  • Код краски: 633
  • Название цвета: BORNEO, Борнео
  • Тип краски: Перламутр, Металлик, Солид, Базовая
  • Цветовая группа: Серый
  • Года выпуска автомобилей: 2013 — 2016 гг.

Очень красивый цвет для Приоры в совокупности с серебристыми дисками. Многим автолюбителям нравиться именно этот цвет, судя по объему продаж модели.

Приведенные ниже в таблице цвета кузовов машин ВАЗ, номера цветов помогут узнать цвет машины и номер краски автомобиля. Она применима к следующим моделям отечественных автомобилей ВАЗ: 1111 Ока, 2101-2121, 2131 (Нива) 4×4, Chevrolet Niva, LADA Priora (Приора),LADA Kalina (Калина), LADA Kalina Sport, LADA 110, LADA 112 Coupe, LADA Samara, LADA 2105, LADA 2107, LADA 4×4, LADA Гранта, автомобилей Волга, ИЖ, ГАЗ

Как узнать цвет автомобиля ВАЗ

Этикетка с номером цвета кузова отечественных машин можно поискать на крышке багажника, в бардачке, в нише запаски около запасного колеса или под ним, под стоп сигналом на спойлере. Эта незатейливая бумажка называется Форма 3347. Порой её трудно найти, легко потерять и запросто забыть. Поэтому в случае её обнаружения чемпионы рекомендуют записывать номер и название краски маркером на внутренней стороне лючка бензобака. Если у вас авто б/у проверьте, возможно это уже кто-то сделал.

Обратите внимание также, что код цвета пишут и в гарантийном талоне.

Что еще можно предпринять, что бы узнать «во что же покрашены мои жигули?» Как вариант — это обратиться к дилеру у которого вы покупали машину, что работает естественно только в том случае если дилер вполне официальная организация.

Если у вас нет никаких документальных свидетельств указывающих на цвет которым окрашен ваш автомобиль можно попытаться установить это воспользовавшись планом покраски LADA на заводе. Для этого вам нужно знать точную дату (год, месяц, день +/-) выпуска вашей машины и она не должна быть моложе 2005 года. Если дата вам известна — напишите нам мы попробуем узнать цвет машины таким образом.

Однако, самый верный способ определить цвет — это обратиться к колористу. А подобрать нужный оттенок можно если предъявить колористу лючок бензобака, с помощью которого специалист на специальном оборудовании сможет изготовить для вас краску точно в цвет и в нужном для вас объеме — подкраска, баллончик или банка. Собственно все это можно сделать в наших лабораториях по компьютерному подбору краски.

Цветовой веер 2019г.

Онлайн веер цветов, в виде справочной информации, поможет подобрать цвета для покраски авто, например если вы решили покрасить его в другой цвет. В таблице приведены цвета авто, название цвета авто и коды красок из веера цветов VIKA.

Обратите внимание — в таблице также приведены цвета краски для иномарок которые производятся у нас и ближнем зарубежье. Оригинальные цвета автомобилей иностранного производства можете посмотреть по ссылке — цвета автомобильных красок для иномарок

В таблице также указаны формы выпуска, бренды и цены на эмали цветов представленных в веере. Обычно у нас можно купить все цвета, если какого то нет в наличии, то в наших силах привезти нужную вам краску под заказ как можно быстрее.

При покупке машины человек уделяет внимание многим критериям. Из наиболее важных — технические характеристики, внешний вид и, конечно, цвет транспортного средства. По такому же принципу покупатели действуют и при выборе LADA Priora. За десять лет выпуска модель заслужила уважение миллионов автовладельцев не только в РФ, но и в государствах ближнего зарубежья.

Главной сложностью при покупке является выбор оттенка. Какому варианту отдать предпочтение? Из всего многообразия, наиболее востребован цвет «космос» Приора, который придает автомобилю дополнительного шика и загадочности.

Как принять решение?

Специалисты уверены, что от правильности выбора цвета зависит множество параметров — внешний вид машины, удобство ремонта, уровень комфорта и даже безопасность движения. Кроме того, принятое решение может многое рассказать о характере будущего владельца и его предпочтениях.

Многие отказываются от черных автомобилей, считая их непрактичными. Но, это стереотип. Лада Приора цвета «космос» выглядит великолепно! В нашей культуре, черный цвет символизирует ярость, злость и роскошь. Он по праву пользуется спросом и, применительно к этим автомобилям, считается одним из лучших.

Цвет и характер

Выбирая цвет «космос» Лады Приора, человек даже не осознает, что раскрывает многие черты своего характера. Но, здесь мнения психологов расходятся.

Одни уверяют, что любители черных автомобилей являются апатичными личностями, которые не готовы к принятию решений. По их заверению, через покупку такого авто человек пытается спрятаться за спокойствием траурного оттенка, а сам он является самоуверенной и недальновидной личностью, вне зависимости от возраста.

Но, имеется и другое мнение. Люди, которые обращают внимание на черный цвет и принимают решение купить такой автомобиль, являются уверенными и основательными персонами, имеющими стабильный доход и предпочитающими только лучшее. Как правило, они также являются членами «Автоклуба А24» — http://a24.ru.

В чем преимущества цвета?

Даже по фото Лада Приора цвета «космос» видно, что автомобиль имеет более солидный внешний вид, если сравнивать с авто, имеющими другие расцветки. Этот цвет подчеркивает дизайн, придет автомобилю стремительности и изысканности. На сегодняшний день, именно он наиболее востребован, что легко объяснить — даже бюджетный черный автомобиль смотрится богаче и привлекает взгляды окружающих.

К плюсам цвета Приора «космос» стоит отнести:

  • Отличный внешний вид (при условии, что машина хорошо вымыта).
  • Прекрасная видимость транспортного средства зимой, когда на дороге много снега.
  • Способность навести страх на других автовладельцев (особенно, если тонировать стекла) (шутка).
  • Легкость подбора оттенка в случае повреждения кузова.

Но, имеется и ряд недостатков. Цвет «космос» сложно назвать практичным, ведь, в случае незначительных повреждений поверхности, дефекты сложно будет скрыть. Также, на машинах черного цвета хорошо видна грязь и пыль.

Достаточно глянуть на фото хэтчбека Приоры цвета «космос», чтобы принять окончательное решение. Такой автомобиль отлично смотрится и придает солидности владельцу. Главное — держать кузов чистым и стараться избегать повреждений.

И, так как, трудно описывать цвет словами, будет лучше увидеть его своими глазами. Для наглядности представляем вам подборку фото Приоры цвета «космос» в различных окружающих средах, в разное время года и разное время суток.

Приора цвет мокрый асфальт

Приведенные ниже в таблице цвета кузовов машин ВАЗ, номера цветов помогут узнать цвет машины и номер краски автомобиля. Она применима к следующим моделям отечественных автомобилей ВАЗ: 1111 Ока, 2101-2121, 2131 (Нива) 4×4, Chevrolet Niva, LADA Priora (Приора),LADA Kalina (Калина), LADA Kalina Sport, LADA 110, LADA 112 Coupe, LADA Samara, LADA 2105, LADA 2107, LADA 4×4, LADA Гранта, автомобилей Волга, ИЖ, ГАЗ

Как узнать цвет автомобиля ВАЗ

Этикетка с номером цвета кузова отечественных машин можно поискать на крышке багажника, в бардачке, в нише запаски около запасного колеса или под ним, под стоп сигналом на спойлере. Эта незатейливая бумажка называется Форма 3347. Порой её трудно найти, легко потерять и запросто забыть. Поэтому в случае её обнаружения чемпионы рекомендуют записывать номер и название краски маркером на внутренней стороне лючка бензобака. Если у вас авто б/у проверьте, возможно это уже кто-то сделал.

Обратите внимание также, что код цвета пишут и в гарантийном талоне.

Что еще можно предпринять, что бы узнать «во что же покрашены мои жигули?» Как вариант – это обратиться к дилеру у которого вы покупали машину, что работает естественно только в том случае если дилер вполне официальная организация.

Если у вас нет никаких документальных свидетельств указывающих на цвет которым окрашен ваш автомобиль можно попытаться установить это воспользовавшись планом покраски LADA на заводе. Для этого вам нужно знать точную дату (год, месяц, день +/-) выпуска вашей машины и она не должна быть моложе 2005 года. Если дата вам известна – напишите нам мы попробуем узнать цвет машины таким образом.

Однако, самый верный способ определить цвет – это обратиться к колористу. А подобрать нужный оттенок можно если предъявить колористу лючок бензобака, с помощью которого специалист на специальном оборудовании сможет изготовить для вас краску точно в цвет и в нужном для вас объеме – подкраска, баллончик или банка. Собственно все это можно сделать в наших лабораториях по компьютерному подбору краски.

Цветовой веер 2019г.

Онлайн веер цветов, в виде справочной информации, поможет подобрать цвета для покраски авто, например если вы решили покрасить его в другой цвет. В таблице приведены цвета авто, название цвета авто и коды красок из веера цветов VIKA.

Обратите внимание – в таблице также приведены цвета краски для иномарок которые производятся у нас и ближнем зарубежье. Оригинальные цвета автомобилей иностранного производства можете посмотреть по ссылке – цвета автомобильных красок для иномарок

В таблице также указаны формы выпуска, бренды и цены на эмали цветов представленных в веере. Обычно у нас можно купить все цвета, если какого то нет в наличии, то в наших силах привезти нужную вам краску под заказ как можно быстрее.

В каталоге приведены автомобильные цвета российских и иностранных автопроизводителей. В основном, данные цвета относятся к краскам Mobihel и Duxone, автоэмали и покрытия которых соответствуют популярным цветам автомобилей Лада «ВАЗ» и «ГАЗ». Но несмотря на то, что приведённые в таблице коды красок соответствуют отечественным автомобилям, эти же цвета используются и в зарубежном автопроме, просто имеют отличную кодировку.

Обратите внимание, что цвета на экране компьютера не могут передать всех оттенков автоэмалей, особенно металликов, которые «играют» на свету, переливаются. Приведённые изображения цветов носят лишь справочный характер. Вы можете примерно подобрать цвет, но реальное представления об автомобильных цветах могут дать только каталоги (веера цветов), их можно найти в магазинах красок для машин, или у колористов.

Автомобильные краски (автоэмали), делятся на две основные группы: металлик и неметаллик. Отличаются они тем, что у первого имеется перламутровый отлив, а у второго нет.

Нажмите на образец цвета для поиска фотографии автомобиля соответствующей расцветки. И при желании, таблицу можно отсортировать, кликнув по заголовку нужного столбца.

Полная цветовая гамма авто эмалей ВАЗ, утвержденная Управлением лабораторно-испытательных работ ОАО «АВТОВАЗ».

Точное название цвета автомобиля Лада указывается в сервисной книжке или гарантийном талоне на машину.

В гарантийном талоне : «240 Белый»

В сервисной книге : «691 Серебристый»

Цвет указанный в свидетельство о регистрации ТС, не соответствует цветовой гамме авто эмалей .

Для заказа деталей в цвет автомобиля Вам нужно ориентироваться на цифровой код цвета, буквенное название цвета указанное в документах может отличатся от заводской палитры.

Воспользуйтесь поиском по странице, нажав «ctrl+F»

В каталоге приведены автомобильные цвета российских и иностранных автопроизводителей. В основном, данные цвета относятся к краскам Mobihel и Duxone, автоэмали и покрытия которых соответствуют популярным цветам автомобилей Лада «ВАЗ» и «ГАЗ». Но несмотря на то, что приведённые в таблице коды красок соответствуют отечественным автомобилям, эти же цвета используются и в зарубежном автопроме, просто имеют отличную кодировку.

Обратите внимание, что цвета на экране компьютера не могут передать всех оттенков автоэмалей, особенно металликов, которые «играют» на свету, переливаются. Приведённые изображения цветов носят лишь справочный характер. Вы можете примерно подобрать цвет, но реальное представления об автомобильных цветах могут дать только каталоги (веера цветов), их можно найти в магазинах красок для машин, или у колористов.

Автомобильные краски (автоэмали), делятся на две основные группы: металлик и неметаллик. Отличаются они тем, что у первого имеется перламутровый отлив, а у второго нет.

Нажмите на образец цвета для поиска фотографии автомобиля соответствующей расцветки. И при желании, таблицу можно отсортировать, кликнув по заголовку нужного столбца.

Поскольку единственным правильным решением является подборка краски для конкретной машины, то данные таблицы можно использовать для автокарандашей. В дальнейшем, когда народ все же пришлет фото своих машин с указанием номеров в сервисной книжке, я покажу какой, по мнению АВТОВАЗа, бывает вишня :).

Первая таблица — уже не помню откуда.

Цвет (по техпаспорту)

Цвет (по техпаспорту)

Цветовая гамма автомобилей ВАЗ на 2002 г. c сайта www.vostok-lada.ru.

Цвет (для техпаспорта)

* Жирным выделены коды цветов, вновь введенные в 2002 году.

Происшествия

Региональное информационное агентство «Омск-информ» — информационный Интернет-портал. Омск и Омская область в режиме online — ежедневно актуальные новости региона. Экономика и политика, бизнес и финансы, спорт и культура, происшествия, дайджест событий за неделю. Спецпроекты «ПолитФинанс», «Город для людей», «Здоровье», «Еда». Все права на материалы, созданные журналистами, фотографами и дизайнерами регионального информационного агентства «Омск-информ», принадлежат ООО «Омские СМИ». Все права на материалы, созданные журналистами, фотографами и дизайнерами РИА «Омск-информ», размещенные на сайте: www.omskinform.ru, охраняются в соответствии с законодательством РФ и не подлежат использованию в какой-либо форме, в том числе воспроизведению, распространению, переработке иначе как со ссылкой на сайт www.omskinform.ru. При перепечатке, копировании информации ссылка на сайт www.omskinform.ru ОБЯЗАТЕЛЬНА.

Региональное информационное агентство «Омск-информ» зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (РОСКОМНАДЗОР). Номер свидетельства ИА № ФС77-76034 от 24.06.2019г.

Сетевое издание «Омск-информ» зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (РОСКОМНАДЗОР). Номер свидетельства ЭЛ № ФС 77-82140 от 02.11.2021г.

Материалы, публикуемые на сайте сетевого издания «Омск-информ» (OMSKINFORM), предоставлены региональным информационным агентством «Омск-информ».

Учредитель: Общество с ограниченной ответственностью «Омские СМИ»

Юридический адрес: 644024, Омская область, г. Омск, ул. Маршала Жукова, д. 21

На сайте предусмотрена обработка метаданных пользователей (файлов cookie, данных об IP-адресе). Используя www.omskinform.ru вы соглашаетесь с политикой конфиденциальности сайта. 

  Материалы сайта могут содержать информацию, не подлежащую просмотру лицам младше 18 лет. Сайт не несет ответственности за содержание рекламных материалов.

Новости Стерлитамака :: г. Стерлитамак. Стерлитамакский портал (СТЕРЛИТАМАК.РФ, СТР.РФ, СТЕРЛИТАМАК.РУ, СТР.РУ) :: Стерлитамак город

Раздел новости Стерлитамака. Стерлитамакские новости — это обзор самых интересных событий происходящих в городе Стерлитамаке. Новости Стерлитамака создаются не только администраторами портала, но и любым жителем стремящемся к тому, что бы все жители Стерлитамака были в курсе последних новостей города. Добавляя сообщение в раздел «новости Стерлитамак», каждый из нас вносит свою лепту в то, что бы все мы были более информированы о событиях города Стерлитамака. Ведь именно новости г.Стерлитамак интересуют нас в жизни больше всего, ведь мы хотим быть в курсе всех событий, и мы не хотим пропустить важные и интереснейшие мероприятия. Добавь новость Стерлитамака сам и расскажи о ней всем гостям и жителям города Стерлитамака.

Поиск:

Просмотров: 154     Автор:  Светлана   Опубликовано: 05.04.2022 17:06
Просмотров: 153     Автор:  Светлана   Опубликовано: 05.04.2022 16:32
Просмотров: 421     Автор:  Светлана   Опубликовано: 05.04.2022 15:49
Просмотров: 336     Автор:  Светлана   Опубликовано: 05.04.2022 11:21
Просмотров: 255     Автор:  Светлана   Опубликовано: 05.04.2022 10:28
Просмотров: 545     Автор:     Опубликовано: 04.04.2022 19:18
Просмотров: 465     Автор:  Светлана   Опубликовано: 04.04.2022 18:32
Просмотров: 274     Автор:  Светлана   Опубликовано: 04.04.2022 15:27
Просмотров: 305     Автор:  Светлана   Опубликовано: 04.04.2022 14:59
Просмотров: 381     Автор:  Светлана   Опубликовано: 04.04.2022 11:04
Просмотров: 589     Автор:  Светлана   Опубликовано: 04.04.2022 09:47
Просмотров: 1627     Автор:  Светлана   Опубликовано: 01.04.2022 16:23
Просмотров: 1030     Автор:  Светлана   Опубликовано: 01.04.2022 14:36
Просмотров: 1027     Автор:  Светлана   Опубликовано: 01.04.2022 11:27
Просмотров: 770     Автор:  Светлана   Опубликовано: 01.04.2022 09:47
Просмотров: 1533     Автор:  Светлана   Опубликовано: 31.03.2022 17:36
Просмотров: 1210     Автор:  Светлана   Опубликовано: 31.03.2022 15:08
Просмотров: 1099     Автор:  Светлана   Опубликовано: 31.03.2022 14:24
Просмотров: 946     Автор:  Светлана   Опубликовано: 31.03.2022 11:36
Просмотров: 1551     Автор:  Светлана   Опубликовано: 31.03.2022 09:32


Самое популярное на STR.RU


Интересное на STR.RU

Витрина Стерлитамака

Слепая цветовая деконволюция, нормализация и классификация гистологических изображений с использованием общих супергауссовых априорных и байесовских выводов

https://doi.org/10.1016/j.cmpb.2021.106453Получить права и контент на эффективность компьютерной диагностики влияют цветовые вариации.

Методы деконволюции слепых цветов учитывают изменение цвета в различных сценариях.

Приоритеты Super Gaussian гарантируют точность определения ткани при сохранении эффективности классификации.

Эффективность классификации повышается за счет использования отдельных концентраций H&E.

Реферат

Предыстория и цель: Цветовые вариации в цифровой гистопатологии серьезно влияют на работу систем компьютерной диагностики. Среди прочих причин они связаны с различиями в процессе окрашивания и системе сбора данных. Методы деконволюции слепого цвета разделяют многоцветные изображения на отдельные окрашенные полосы, которые после нормализации можно использовать для устранения этих негативных цветовых вариаций и повышения производительности задач машинного обучения. Методы: В этой работе мы разлагаем наблюдаемое RGB-изображение на компоненты гематоксилина и эозина. Мы применяем байесовское моделирование и вывод, основанные на использовании супергауссовских разреженных априорных значений для каждого пятна вместе с априорной близостью к заданной эталонной цветовой векторной матрице. Затем компоненты гематоксилина и эозина используются для нормализации изображения и классификации гистологических изображений. Предлагаемая структура тестируется на разделении пятен, нормализации изображения и проблемах классификации рака.Результаты измеряются с использованием отношения пикового сигнала к шуму, нормализованной средней интенсивности и площади под ROC-кривой в пяти различных базах данных. Результаты: Полученные результаты показывают превосходство нашего подхода перед современными методами деконволюции слепых цветов. В частности, точность воспроизведения ткани улучшается на 1,27 дБ в среднем PSNR. Нормализованная медианная интенсивность показывает хорошее качество нормализации предлагаемого подхода на протестированных наборах данных. Наконец, в экспериментах по классификации рака площадь под ROC-кривой улучшается с 0.с 9491 до 0,9656 и с 0,9279 до 0,9541 на Camelyon-16 и Camelyon-17 соответственно при использовании исходного и обработанного изображений. Кроме того, эти показатели качества лучше, чем полученные методами по сравнению с . Выводы: Предложенная схема слепой цветовой деконволюции, нормализации и классификации изображений гарантирует точность структуры ткани и может использоваться как для нормализации, так и для классификации. Кроме того, цветовая деконволюция позволяет использовать пространство оптической плотности для классификации, что повышает эффективность классификации.

Ключевые слова

Деконволюция слепого цвета

Нормализация изображения

Гистопатологические изображения

Вариационный байес

Супергауссов

Рекомендуемые статьи

© 2 2 2 Опубликовано Elsevier B.V.

[1909.04572] Глубокое МРТ-изображение мозга со сверхвысоким разрешением с использованием пространственно-структурных априорных изображений

[Отправлено 10 сентября 2019 г.]

Скачать PDF
Резюме: Магнитно-резонансные (МР) изображения с высоким разрешением необходимы для точного диагностика.На практике разрешение изображения ограничивается такими факторами, как аппаратные и технологические ограничения. В последнее время методы глубокого обучения показал, что дает убедительные современные результаты для изображения улучшение/супер-разрешение. Особое внимание уделяя желаемому структура МР-изображения высокого разрешения, мы предлагаем новую регуляризованную сеть, которая использует априорные изображения, а именно низкоранговую структуру и резкость до повысить сверхвысокое разрешение (SR) глубокого МР-изображения. Тогда наш вклад включение этих априорных значений аналитически приемлемым способом \color{black} а также к новой ранее управляемой сетевой архитектуре, которая выполняет задача сверхвысокого разрешения.Это особенно сложно для низкого ранга. ранее, поскольку ранг не является дифференцируемой функцией матрицы изображения (и следовательно, параметры сети), проблема, которую мы решаем, преследуя дифференцируемые приближения ранга. Резкость подчеркивается дисперсией Лапласиан, который мы показываем, может быть реализован фиксированным слоем обратной связи на выход сети. В качестве ключевого расширения мы модифицируем фиксированную обратную связь (лапласианский) слой, изучив новый набор фильтров, управляемых обучающими данными, которые оптимизированы для повышения резкости.Эксперименты проводились на публичных доступные базы данных МРТ-изображений мозга и сравнения с существующими Современные методы показывают, что предлагаемая сеть с предварительным управлением предлагает значительные практические преимущества с точки зрения улучшенных показателей SNR/качества изображения. Поскольку наши априоры находятся на выходных изображениях, предлагаемый метод универсален и могут быть объединены с широким спектром существующих сетевых архитектур для еще больше повысить их производительность.

История отправки

От: Венкатешварарао Черукури [просмотреть адрес электронной почты]
[v1] Вт, 10 сентября 2019 г. 15:33:18 UTC (3 771 КБ)

Неявное и явное изучение байесовских априорных значений по-разному влияет на предвзятость при принятии перцептивных решений

Закономерности в окружающей среде могут быть изучены неявно и могут повлиять на суждения, предпочтения или беглость речи движения 1–7 .Например, статистические закономерности родного языка легко усваиваются младенцами 8 . Люди также могут научиться использовать контекстную информацию для поиска местоположения цели на дисплее, когда местоположение коррелирует с контекстуальными функциями. Контекстная подсказка может происходить без осознания корреляции 9 . Неявное изучение закономерностей в искусственных грамматиках с конечным числом состояний также происходит посредством воздействия на образцы, сформированные в соответствии с грамматикой.После такого воздействия участники классифицируют новые элементы как грамматические, несмотря на отсутствие знаний о грамматических правилах 5,10–12 . Искусственное изучение грамматики у пациентов с амнезией не нарушено, что указывает на независимость от декларативного обучения. На перцептуомоторное поведение также влияет имплицитно усвоенная статистическая регулярность. В задаче «Время последовательной реакции» участники нажимают клавиши на клавиатуре, соответствующие отмеченным местам. После практики участники демонстрируют сокращение времени реакции на места, происходящие в соответствии с последовательностью действий, несмотря на отсутствие явных знаний о последовательности.Пациенты с амнезией, которые не осознают обучения, демонстрируют аналогичные уровни последовательного обучения в этой задаче по сравнению со здоровыми участниками контрольной группы 13,14 .

Хотя неявные знания могут влиять на когнитивные процессы, такие как переключение внимания и суждения о соответствии в процедуре искусственного изучения грамматики, менее ясно, могут ли неявные знания интегрироваться с диагностической информацией, которая присутствует, чтобы повлиять на суждение. Во многих случаях базовые ставки или байесовские априорные оценки влияют на суждения 15–23 .Например, облачное небо в Сиэтле может привести к тому, что человек, уходя из дома, схватит зонтик, в то время как такое же небо не приведет к такому решению в Лос-Анджелесе. Здесь мы исследуем, можно ли неявно изучить базовые априорные данные и могут ли они влиять на суждения о восприятии. С одной стороны, большая часть наших знаний о закономерностях окружающей среды усваивается имплицитно, и поэтому кажется адаптивным, что такое знание должно способствовать суждениям. С другой стороны, имплицитное знание априорных ситуаций может не сразу интегрироваться с перцептивными решениями, основанными на сенсорной информации в сознании.Здесь мы проверяем гипотезу о том, что неявно приобретенные априорные базовые оценки могут влиять на суждения об ориентации.

Если неявное знание априорных ситуаций влияет на суждения восприятия, возможно, это знание влияет на суждения иначе, чем явное знание априорных ситуаций. Чтобы сравнить принятие решений в этих различных условиях, мы применили модель диффузии дрейфа (DDM) к поведенческим данным и оценили, как параметры модели меняются, когда испытуемые знают об априорных событиях, по сравнению с тем, когда априорные факторы узнаются имплицитно.

РЕЗУЛЬТАТЫ

Участники вынесли суждения об ориентации (45˚ влево или вправо) стимула динамического шаблона Glass 24 . Мы параметризовали сложность оценки восприятия в каждом испытании, варьируя корреляции пар точек, называемые когерентностью, в диапазоне от 0 до 100%, при этом 0% не имеет корреляций пар точек и, следовательно, не имеет сигнала ориентации, а 100% имеет все пары точек. коррелированный и, следовательно, самый сильный сигнал ориентации. В каждом испытании, после появления центрального пятна фиксации на время фиксации 1000 ± 200 мс, появлялись две выбранные цели, одна слева, а другая справа от экрана, чтобы сориентировать участников.Затем появлялся стимул в виде узора стекла, и пятно фиксации исчезало, и участники сообщали о своем восприятии — влево или вправо — нажатием клавиши; либо «o» для левого или «p» для правого. Если участник выбирал правильно, звуковой сигнал обеспечивал обратную связь. Неправильный выбор не получил никакого тона, а испытания с когерентностью 0% получили обратную связь, соответствующую исходной доле для этого условия (например, 50% испытаний в состоянии, в котором две ориентации были одинаково вероятны; рисунок 1а).

Рисунок 1:

Схематическое изображение задачи и модели дрейфовой диффузии (DDM). а. Черные квадраты показывают экран, который просматривали участники, и иллюстрируют пространственное и временное расположение задачи. Белый кружок в центре экрана показывает точку фиксации, а два дополнительных белых кружка обозначают два возможных варианта; влево или вправо. Пятно фиксации и цели выбора появлялись последовательно с задержкой 1000 мс ± 200 мс между ними. Затем появился паттерн «Стекло», и пятно фиксации одновременно исчезло, что побудило участника сообщить о воспринимаемой ориентации нажатием клавиши («о» для левого и «р» для правого).Тон, обозначенный звуковым символом, обеспечивает обратную связь только для правильного выбора. б. Эксперимент 1. Образцы цвета хаки и лилового стекла (когерентность 100%, ориентация 45 градусов, отрицательная и положительная) иллюстрируют предшествующую манипуляцию. Отрицательная ориентация образца стекла цвета хаки имела место в 25% испытаний, а положительная ориентация имела место в оставшихся 75% испытаний образца стекла цвета хаки (предыдущий положительный результат). Для стимулов образца сиреневого стекла отрицательная и положительная ориентация происходили с равной вероятностью (Равноприорные).Все типы испытаний чередовались случайным образом, и мы уравновешивали цвет и направление стимулов шаблона стекла для участников и в конечном итоге преобразовывали их в положительную и отрицательную ориентацию для целей анализа. c: Эксперимент 2: отрицательная ориентация имела место в 25% испытаний образца стекла цвета хаки, а положительная ориентация имела место в оставшихся 75% (положительный предварительный результат). В том же экспериментальном блоке отрицательная ориентация имела место в 75 % испытаний образца оранжевого стекла, а положительная ориентация имела место в оставшихся 25 % испытаний образца оранжевого стекла (отрицательный предыдущий результат).Все типы испытаний были случайным образом чередованы, и мы уравновешивали цвет и направление стимулов шаблона стекла для участников и в конечном итоге преобразовывали их в положительную и отрицательную ориентацию для целей анализа. Подробнее см. в тексте и методах. д. DDM перцептивного принятия решений предполагает, что сенсорные свидетельства накапливаются с течением времени, пока не будет достигнута граница, обозначенная здесь как Положительная и Отрицательная. Сплошная стрелка цвета хаки показывает скорость накопления доказательств, помеченная скорость смещения для более частых ориентаций, а пунктирная стрелка цвета хаки показывает то же самое для менее частых ориентаций.Синяя линия показывает накопление зашумленных доказательств для отдельного испытания. При отсутствии предвзятости свидетельства в пользу положительного или отрицательного решения начинают накапливаться в точке, равноудаленной от двух границ, называемой начальной точкой накопления свидетельств (стрелка цвета хаки). Время указано по горизонтальной оси. е. То же, что и в d, за исключением того, что процесс накопления начинается в точке ближе к границе положительного решения (показана пунктирной черной стрелкой). ф. То же, что и в d, за исключением увеличенного смещения скорости дрейфа для положительных решений (показано черной пунктирной стрелкой)

Важнейшим аспектом этой задачи было то, что каждый стимул в виде шаблона Гласса отображался одним из двух разных цветов (красным или зеленым) и для каждого участников вероятность левой или правой ориентации для каждого цвета различалась.Таким образом, цвет стимула предоставляет информацию, которая может способствовать перцептивному решению об ориентации, и в этом смысле знание взаимосвязи цвета и ориентации действует как байесовский априор 25,26 . Цвет стимула и априорные вероятности были уравновешены между участниками, поэтому мы преобразовали ориентацию в положительную (правую) и отрицательную (левую) ориентации. В эксперименте 1, называемом условием 75-50, один образец цветного стекла имел положительные априорные ориентиры, а другой — одинаковые априорные ориентиры (рис.1б). Как и в эксперименте 1, в эксперименте 2 также использовались два цветных узора из стекла с разными априорными вероятностями (рис. 1с). В эксперименте 2 каждый цвет был связан с положительным априорным и отрицательным априорным с одинаковой силой, поэтому не было разницы в базовой скорости для двух ориентаций для всех стимулов. Предыдущие исследования перцептивного принятия решений напрямую не изучали, было ли знание априорных событий явным или неявным. Здесь мы смогли классифицировать знания участников об априорах на основе их ответов на анкету, предоставленную после сеанса, и сравнить их результаты с результатами участников, которые были проинформированы о априорах в начале задачи.

Чтобы охарактеризовать различия, основанные на типе знания априорных значений, мы исследовали производительность с помощью DDM. DDM рассматривает процесс, в котором чистые доказательства — разница в доказательствах за или против определенного исхода — накапливаются со временем. Когда количество доказательств достигает уровня, связанного с той или иной границей или порогом, принимается решение (рис. 1г). В этой структуре априорные факторы могут создавать предубеждения при принятии решений либо путем изменения начальной точки, с которой начинает накапливаться свидетельство, чтобы она была ближе к границе, связанной с более частой альтернативой 17,19,27,28 (рис. 1e), или увеличивая скорость накопления доказательств для более частого варианта 1,23,29,30 (рис. 1f), или для обоих вариантов 21,26,31 .Мы смоделировали данные, полученные в ходе экспериментов 1 и 2, с помощью простого DDM (см. «Методы»), чтобы оценить механизмы, лежащие в основе того, как априорные факторы создают предубеждения при принятии решений у неявных и явных учащихся.

Эксперимент 1. Участники узнают априорные данные неявно и явно

Данные 67 участников были проанализированы в Эксперименте 1, все с информированного согласия с использованием процедур, утвержденных IRB Калифорнийского университета в Лос-Анджелесе. На основании ответов на анкету участники были разделены на три группы.Участников классифицировали как «неявно обучающихся», если они сообщали об отсутствии понимания того, что разные цвета связаны с разной базовой скоростью ориентации и что они воспринимали ориентации как встречающиеся с одинаковой частотой (N = 23, 34%). Участники были классифицированы как «частично явные учащиеся», если они сообщали об общей разнице в частоте ориентации, но не знали, что это отличается по цвету, или могли определить ориентацию только для одного цвета (N = 20, 30%). Группа участников (N = 24, 37%), классифицированных как «Явно обучающиеся», была проинформирована об априорных значениях для стимулов разного цвета в начале сеанса, и все они правильно сообщили об этом в конце сеанса.

Все участники хорошо справились с заданием, используя информацию об ориентации для выбора (рис. 2a-c). Все участники также продемонстрировали склонность к более позитивному выбору. Мы рассчитали смещение, измерив долю выборов, сделанных при 0% согласованности. Для неявных учащихся средняя доля положительных выборов в положительных предыдущих испытаниях составила 0,575 (рис. 2а, отличие от случайности: t(22) = 31,88, p <0,001). Кроме того, количество положительных выборов увеличилось на 4,2% по сравнению с уровнем вероятности даже для равных предыдущих испытаний (рис. 2а, 0.542; отличие от случайности: t(22)=25,25, p<0,001). Систематическая ошибка существенно не отличалась между двумя условиями (t(22)=1,008, p=0,289). Частично явные учащиеся продемонстрировали аналогичную тенденцию в производительности и использовании априорных оценок, продемонстрировав значительное увеличение на 12,2% по сравнению с 50% при выборе положительной ориентации в положительных предварительных испытаниях (рис. 2b, средняя доля = 0,622; t (19) = 24,09). , р<0,001). Для аналогичных предыдущих испытаний частично явные учащиеся также продемонстрировали увеличение выбора положительной ориентации на 5,1% (рис. 2b, средняя доля = 0.551; t(19)=20,25, p<0,001), что ниже, чем для положительных предыдущих испытаний (t(19)=2,274, p<0,05). Таким образом, неявное запоминание как общих априорных значений (группа имплицитных), так и специфических для цвета априорных значений (группа частично эксплицитных) происходило у участников, которые не были проинформированы о различиях в базовой частоте. Среднее отклонение для положительных предыдущих испытаний в группе Explicit составило 0,645, что значительно выше случайного (рис. 2c, t(23) = 28,08, p<0,001). Explicit Learners также продемонстрировали увеличение смещения на 5,8% для одинакового предшествующего условия, которое значительно отличалось от случайного (рис. 2c, 0.591; t(23)=18,47, p<0,001), но значительно ниже, чем для положительного предшествующего условия (t(23)=2,316, p<0,05). Группы «Частично явный» и «Явный» показали одинаковые результаты, без существенной разницы между способностью применять априорные значения, связанные с двумя цветами (p = 0,889), даже несмотря на то, что участники группы «Частичный явный» имели минимальное представление о том, как цвет стимула был связан с ориентацией. вероятность.

Рисунок 2:

Участники узнают несколько априорных значений явным и неявным образом.а. Доля вариантов выбора, нанесенных на график в зависимости от когерентности шаблона Glass для 23 участников. Закрашенные сиреневые кружки и столбцы погрешностей показывают среднее значение и SE для каждой когерентности среди всех участников, которые сообщили об отсутствии различий в частоте ориентации (Implicit Learners) для одинакового предшествующего состояния (50% положительных и 50% отрицательных). Сиреневые сплошные линии показывают наиболее подходящую логистическую функцию (см. методы). Закрашенные кружки и линии цвета хаки показывают то же самое для положительного предшествующего состояния, в котором более частая ориентация была положительной, называемой положительным исходным состоянием (75% положительных и 25% отрицательных).На вставке показан параметр смещения для равных (сиреневый) и положительных (хаки) априорных значений, представленный как отклонение доли положительных выборов при 0% согласованности от несмещенного условия (0,5). б. То же, что и в а для участников, которые сообщили о разнице в частоте ориентации независимо от цвета или только для одного цвета (частично явные учащиеся; n = 20). в. То же, что и в а для участников, которые были проинформированы о предыдущих условиях (эксплицитные учащиеся; n = 24).d. Оценки параметров из DDM соответствуют одинаковому априорному условию (сиреневый) и положительному априорному условию (хаки) для всех неявных учащихся.Заштрихованные по диагонали столбцы показывают среднее значение и 95% доверительный интервал (ДИ) смещения начальной точки, а горизонтальные заштрихованные столбцы показывают среднее значение и 95% доверительный интервал смещения скорости дрейфа (эквивалентная когерентность в %). е. То же, что и в d для частично явных учащихся. ф. То же, что и в d для Explicit Learners.

Имплицитные и явные учащиеся используют разные механизмы для применения предубеждений при принятии решений

Используя DDM, мы ранее наблюдали, что здоровые участники регулируют как начальную точку накопления доказательств, так и смещение скорости дрейфа, чтобы выразить предвзятость при принятии решений, и что это было изменение смещения скорости дрейфа, которое обеспечило специфичность объекта для смещения 26 .Однако в этом исследовании мы не знали, знали ли здоровые участники об ассоциации с предшествующими признаками или же осведомленность была связана с использованием различных механизмов для реализации систематической ошибки. Здесь мы оценили, различался ли механизм, лежащий в основе выражения предвзятости, для разных типов учащихся, неявных, частично явных и явных.

Мы независимо подобрали два DDM для конкретных объектов ко второй половине данных экспериментального сеанса (600 испытаний), позволив только начальной точке и смещению скорости дрейфа различаться между двумя объектами (таблица 1).На рис. 2d-f показаны средние оценки параметров и доверительные интервалы оценок параметров для начальной точки и смещения скорости дрейфа для обоих предшествующих условий. Для имплицитных учеников отправная точка сместилась в сторону более частой ориентации как на равные, так и на положительные предыдущие испытания. Сдвиг начальной точки был одинаковым для двух условий (равная априорная оценка: 7,6%, SE: 0,7%, положительная априорная оценка: 5%, SE: 0,7%). Изменение начальной точки было численно больше для равного априорного условия по сравнению с положительным априорным условием, но этому противодействовало противоположное изменение смещения скорости дрейфа для равных предшествующих испытаний (оценка: -2.1%, SE: 0,5%). Смещение скорости дрейфа для положительного предшествующего условия было в том же направлении, что и для более частой ориентации, но с небольшой величиной (оценка: 0,7%, стандартная ошибка: 0,5%). Таким образом, для неявных учащихся наблюдалось значительное увеличение начальной точки для обоих предварительных условий, сопровождаемое небольшим уменьшением смещения смещения, когда предшествующие условия были равными, что приводило к предвзятости в принятии решений, которая не дифференцируется по цвету стимула.

Для частично явных учащихся мы наблюдали аналогичные изменения в начальной точке накопления доказательств и количественно большие изменения смещения скорости дрейфа по сравнению с неявными учениками (рис. 2e).Начальная точка накопления доказательств для равных предыдущих испытаний составила 6,4% (SE: 0,8%) и 3,1% для положительных предыдущих испытаний (SE: 0,8%). Точно так же смещение скорости дрейфа было положительным для обоих предшествующих условий, но в отличие от начальной точки скорость дрейфа была намного выше для положительного предшествующего условия (6,6%, SE: 0,5%) по сравнению с равным предыдущим условием (2,2%, SE: 0,5%). Таким образом, как неявные, так и частично явные учащиеся выразили предвзятость решения, изменив начальную точку, однако только частично явные учащиеся развили чувствительность к априорным значениям, связанным с цветами стимула, которая, по-видимому, опосредована в первую очередь изменениями смещения скорости дрейфа.

Мы обнаружили, что Explicit Learners также продемонстрировали общую предвзятость, но только численно большую специфическую чувствительность к априорным признакам, в отличие от частично Explicit Learners (рис. 2b и c). Смещения начальной точки в Explicit Learners были одинаковыми для обоих априорных (равный априорный: 3,2%, SE: 0,8%; положительный априорный: 2,1%, SE: 0,8; рисунок 2f). Подобно частично явным учащимся, явные учащиеся также асимметрично скорректировали смещение скорости дрейфа, чтобы выразить предвзятость (Равноприорный: 2.0%, стандартная ошибка: 0,6%; Положительный предыдущий: 6,9%, SE: 0,6%; Рисунок 2е). Следовательно, как и в группе с частичным явным отображением, систематические ошибки, связанные с особенностями, в первую очередь были вызваны смещением скорости дрейфа в группе с явным представлением.

Чтобы увидеть влияние смещения начальной точки или смещения скорости дрейфа по отдельности, мы смоделировали модель DDM, используя оптимизированные параметры с небольшими изменениями. Чтобы определить вклад смещения начальной точки, мы вручную удерживали смещение дрейфа на нуле и измеряли смещения при 0% когерентности для обоих предыдущих условий.Точно так же, чтобы определить вклад смещения скорости дрейфа в смещение, мы смоделировали модель с оптимизированными параметрами и вручную установили смещение начальной точки равным нулю. Мы заметили, что с полной моделью смещения в неявной группе, частичной явной группе и явной группе были: [Равный априор, положительный априор]: [0,531, 0,555]; [0,567, 0,602]; [0,585, 0,622] соответственно. Когда мы смотрели только на вклад начальной точки, мы обнаружили смоделированные смещения следующим образом: [Равный априор, положительный априор]: [0.555, 0,547]; [0,543, 0,531]; [0,567, 0,558] для неявной группы, частичной явной группы и явной группы соответственно. Когда в модели сохранялось только смещение дрейфа, мы обнаружили, что смещения для неявных, частично и явных групп и явных групп были следующими: [Равный априор, положительный априор]: [0,484, 0,524]; [0,534, 0,586]; [0,567, 0,610]. Как мы видим из приведенного выше анализа, начальная точка способствует увеличению общего смещения поведения выбора, а смещения дрейфа способствуют цветовой специфичности во всех трех группах, включая группу неявных.Однако смещения скорости дрейфа в группе Implicit были меньше, чем смещения начальной точки, что приводило к отсутствию значительного смещения, характерного для цвета.

В эксперименте 1 участники смогли неявно выучить байесовскую априорную оценку на основе различных базовых показателей ориентации и могли применить эту априорную оценку в задаче принятия решений на основе восприятия. Участники также могли по-разному применять априорные значения в зависимости от цвета стимула, даже если они не знали, что цвета связаны с разными базовыми показателями.Неявное знание общего априора, что одна из ориентаций встречалась чаще, было зафиксировано смещением начальной точки в DDM. Явное знание априорных значений, специфичных для цвета, было получено в основном за счет изменений смещения скорости дрейфа в DDM. Участники, которые получили некоторые знания о частоте ориентаций в задаче, но не узнали о априорных значениях, связанных с цветом, также показали различия в смещении скорости дрейфа для двух условий.

Эксперимент 2 — функция обучения — конкретные априорные значения в отсутствие общего априорного значения

Схема эксперимента 1 с равным базовым априорным коэффициентом для одного цвета стимула (50% для каждой ориентации) и положительным априорным значением для другого ( 75% для одной ориентации) привел к общему априорному 67% в сторону положительной ориентации по всем стимулам.Участники всех групп в некоторой степени обобщили цвета стимула с предвзятыми ответами в сторону положительного априора. Таким образом, было трудно отделить в результатах знания, специфичные для особенностей обучения, и общие предварительные знания. Чтобы изучить изучение априорных особенностей конкретных признаков в отсутствие общего априорного задания, мы провели второй эксперимент, в котором базовая ориентация двух цветов стимулов была в противоположных направлениях. Так, например, образцы стекла одного цвета встречались в 75 % случаев с положительной ориентацией и 25 % испытаний с отрицательной ориентацией, тогда как образцы стекла другого цвета встречались с положительной ориентацией в 25 % случаев. испытания и негативная ориентация в 75% испытаний (рис. 1с).Такое расположение гарантировало, что общие вероятности положительной и отрицательной ориентации оставались постоянными.

Мы проанализировали данные для другой группы из 41 участника эксперимента 2, все с информированного согласия и с использованием процедур, одобренных IRB UCLA. 21 участник был отнесен к группе Implicit Learner, поскольку им не сообщили о различиях в базовых показателях. Ни один из этих участников не сообщил о том, что заметил различия в базовых показателях в анкете, предоставленной после сеанса.20 участников были распределены в группу Explicit и были проинформированы о различных базовых показателях для двух цветов. На рис. 3а показано, что, несмотря на то, что неявные обучающиеся не знали об априорных значениях, они демонстрировали предвзятость, связанную с особенностями. Среднее смещение для положительных предыдущих испытаний составило 0,540, а для отрицательных предыдущих испытаний — 0,423, и эта разница в смещениях была статистически значимой (рис. 3а: t 2,68, p<0,001). Используя DDM, мы обнаружили, что как начальная точка, так и смещения скорости дрейфа были асимметричны с характеристикой задачи i.то есть оба были отрицательными для отрицательного априорного и неотрицательными для положительного априорного условия. Изменение начальной точки для отрицательных априорных значений составило -1,6 % (SE: 0,8 %; рис. 2c), а для положительных априорных значений — 0 % (SE: 0,8 %; рис. 2c). Параметр смещения скорости дрейфа, как и начальная точка, изменился таким образом, что отрицательный априор имел отрицательное смещение скорости дрейфа, а положительный априор имел положительное смещение скорости дрейфа: Отрицательный априор: 3,7%, SE: 0,6%; Положительный предыдущий: 4,7, SE: 0,6%; Рисунок 3с). Эти результаты согласуются с экспериментом 1 в том смысле, что неявно изученные априорные смещения, селективные по признакам, искажают принятие решений как посредством начальной точки, так и смещения скорости дрейфа с доминирующим эффектом от смещения скорости дрейфа.

Рисунок 3:

Участники изучают и используют априорные ориентиры, специфичные для стимула, которые искажают перцептивные решения. а. Доля вариантов выбора, нанесенных на график в зависимости от когерентности шаблона Glass от 21 участника. Закрашенные оранжевые кружки и полосы ошибок показывают среднее значение и одну SE для каждой когерентности среди всех участников, которые сообщили об отсутствии различий в частоте ориентации (неявные ученики) неодинаковое предварительное состояние, в котором более частая ориентация была отрицательной, называемое отрицательным предварительным состоянием (75% отрицательных). и 25% положительных).Оранжевые линии показывают наиболее подходящую логистическую функцию (см. методы). Кружки и линии, залитые цветом хаки, показывают то же самое для неравных предварительных условий, в которых более частая ориентация была положительной, называемой положительным предварительным состоянием (25% отрицательных и 75% положительных). На вставке показан параметр смещения для отрицательных (оранжевый) и положительных (хаки) априорных значений. Он представляет собой отклонение доли положительных выборов для 0% согласованности от беспристрастного условия (0,5). б. То же, что и для участников, сообщивших о разнице в частоте ориентации (Explicit Learners; n = 20).в. Оценки параметров из DDM подходят для отрицательных (оранжевый) и положительных (хаки) предварительных условий для всех неявных обучающихся. Заштрихованные по диагонали столбцы показывают среднее значение и 95% ДИ оценок параметров смещения начальной точки, а горизонтальные заштрихованные столбцы показывают среднее значение и 95% ДИ оценок параметров смещения скорости дрейфа (в эквивалентном % когерентности). д. То же, что и в c для Explicit Learners.

Участники группы Explicit продемонстрировали устойчивое выражение предубеждений, связанных с особенностями.Среднее смещение, измеренное для когерентности 0%, положительных предыдущих испытаний, составило 0,662, а для отрицательных испытаний — 0,292, и эти различия значительно различались (рис. 3b; t(19) = 7,13, p<0,001) и разница в смещении для два цвета значительно отличались от тех, которые наблюдались у Implicit Learners (t(39)=3,782, p<0,001). Результаты моделирования показали, что группа Explicit использовала смещения скорости дрейфа для выражения ассоциаций между стимулом и предшествующим элементом, и эти изменения были намного больше, чем те, которые были получены в группе Implicit Learners.В группе Explicit смещение начальной точки фактически было в направлении, противоположном априорным значениям. Оценки отправной точки для группы Explicit были следующими: отрицательный априорный: 6,9%, SE: 0,8%; Положительный предыдущий: 0,3%, SE: 0,8%; (Рисунок 3г). Подобно неявным учащимся, группа явных также продемонстрировала специфические изменения в смещении скорости дрейфа, и эти изменения были гораздо более заметными: отрицательный априорный: -17,9%, SE: 0,6%; Положительный предыдущий: 12,7%, SE: 0,5%; (Рисунок 3f). Этот результат предполагает, что изменение начальной точки для отрицательного априорного условия может быть компенсационным механизмом для сильного изменения смещения скорости дрейфа, как сообщалось ранее 26 .Эти результаты показывают, что, согласно DDM, люди реализуют явные априорные предположения за счет повышения скорости дрейфа к границам решений.

В Эксперименте 2 мы хотели измерить индивидуальный вклад начальной точки и смещения скорости дрейфа, когда были априорные факторы, специфичные для стимула, без общего априорного фактора. Мы заметили, что с полной моделью предубеждения в группе «Неявные ученики» и «Явные ученики» были следующими: [Отрицательный априорный, положительный априорный]: [0,448, 0,550]; [0,318, 0,646] соответственно. Когда мы рассмотрели только вклад начальной точки, мы обнаружили смоделированные смещения следующим образом: [Отрицательный априорный, положительный априорный]: [0,482, 0,507]; [0,500 0,516] для групп Implicit и Explicit соответственно. Когда в модели сохранялось смещение дрейфа, мы обнаружили, что смещения для неявных и явных групп были следующими: [Отрицательный априорный, положительный априорный]: [0,457, 0,550]; [0,287, 0,648]. Как и в эксперименте 1, смещение скорости дрейфа вносит вклад в специфические смещения стимула. Начальная точка имела меньший вклад, который фактически компенсировал большие смещения скорости дрейфа в группе Explicit.

Основываясь на результатах двух экспериментов, имплицитное изучение информации о базовой частоте может происходить как в общем, так и в отношении конкретных признаков, и это знание, по-видимому, влияет на принятие решений за счет более эффективного накопления сенсорных данных, согласующихся с приоры. Когда участники знают о разнице в базовой скорости, происходит большее увеличение смещения скорости дрейфа. Смещения начальной точки также могут способствовать специфичности стимула либо за счет увеличения смещения небольших изменений из-за смещения скорости дрейфа, как в группе неявных учащихся, либо путем противодействия большим изменениям смещения скорости дрейфа, наблюдаемым в группе явных.Таким образом, начальная точка может быть скорректирована как для неявного смещения принятия решений, так и, возможно, для компенсации значительного увеличения скорости дрейфа, которое реализует явное знание априорных значений.

ОБСУЖДЕНИЕ

Мы оценили способность участников неявно изучать базовые априорные значения и применять их в перцептивной задаче принятия решений. В обоих экспериментах участники приобрели предвзятость в задаче оценки ориентации, которая была очевидна, когда участники оценивали предметы с нулевой последовательностью. Участники, которые не сообщали об осведомленности об априорных событиях, тем не менее демонстрировали признаки предвзятости в своих решениях об ориентации стимула.В эксперименте 1 присутствовали два разных типа априорных значений; общий априор, основанный на частоте различных ориентаций во всех стимулах и априорных признаках, характерных для цвета стимула. Мы обнаружили, что оба типа априорных значений могут быть изучены неявно. В группе, которая не сообщала о явном знании различных априорных факторов двух ориентаций (неявные обучающиеся), по-прежнему наблюдалось значительное смещение в сторону более частой ориентации по всем стимулам, что также наблюдалось у участников, которые были проинформированы об этом априорном или стали узнал об этом во время тестирования.Неявное изучение априорных особенностей, характерных для конкретных функций, также наблюдалось у тех участников, которые осознавали только общую разницу в частоте между ориентациями (частично явные учащиеся). В этой группе явное знание структуры задачи отставало от неявного знания в том смысле, что они не осознавали различий в априорных значениях для двух цветов, несмотря на применение дифференциальных априорных значений в своем поведении при выборе. В эксперименте 2 две ориентации были в целом одинаково вероятны, а априорные значения для двух цветов были более отчетливыми, чем в эксперименте 1.Здесь мы также обнаружили неявное изучение априорных значений конкретных функций.

Наши результаты согласуются с недавним исследованием Rungratsameetaweemana et al., 2019 32 , в котором измерялась способность пациентов с амнезией после повреждения гиппокампа выполнять предварительную задачу оценки направления движения. Чувствительность к предшествующей информации была одинаковой у пациентов с амнезией и участников контрольной группы, что подтверждает идею о том, что явное изучение предшествующей информации не улучшает производительность.Мы оценили осведомленность участников о предшествующих событиях после сеанса, чтобы определить уровень явных знаний, полученных во время выполнения задания. Мы также продемонстрировали, что разные априорные факторы, специфичные для разных наборов стимулов, основанных на цвете, могут быть изучены неявно. Эти данные свидетельствуют о том, что изменения в обработке восприятия могут происходить на основе имплицитного знания априорных факторов, а не только общего смещения ответов.

Другая цель настоящего исследования состояла в том, чтобы сравнить вклад явных и неявных знаний априорных в процесс принятия решений.Используя DDM, мы обнаружили, что явное и неявное знание априорных значений по-разному влияет на решения. Существенная модуляция скорости дрейфа была связана со знанием априорных значений, специфичных для цвета, и была гораздо более надежной в группах с явными знаниями, чем в группах только с неявными знаниями. Влияние отправной точки на принятие решений было ограничено неявно усвоенным знанием априоров. Неявная группа в эксперименте 1, которая научилась применять предвзятость в сторону более частой ориентации, показала значительное смещение начальной точки в положительном направлении для обоих цветов.В эксперименте 2, где априорные значения были в равных и противоположных направлениях, систематическая ошибка в принятии решений возникла в результате значительных изменений, прежде всего, в смещении скорости дрейфа для стимулов разных цветов. Разница в смещении скорости дрейфа для двух цветов стимула была относительно скромной для группы неявных. Напротив, в группе, которая знала о различных априорных событиях, наблюдалось значительное увеличение скорости дрейфа, смещенное в положительном и отрицательном направлении для двух цветов стимулов.В Implicit Learners начальная точка поддерживала дальнейшее увеличение смещения за счет смещения в направлении предыдущего для одного из цветов. Напротив, в группе Explicit сильное изменение скорости смещения дрейфа частично компенсировалось смещением начальной точки в противоположном направлении для одного из априорных значений. Эти результаты предполагают, что явное знание априорных данных приводит к более быстрому накоплению свидетельств в направлении априорных когерентностей. Неявное знание конкретных априорных стимулов, по-видимому, также влияет на смещение скорости дрейфа.Смещения начальной точки, по-видимому, отражают неявное знание априорных значений и могут даже компенсировать большие изменения смещения скорости дрейфа, реализованные явным знанием априорных значений.

Настоящая работа показывает, что люди могут неявным образом узнавать о различиях в базовой частоте и применять эти знания в задаче принятия решений, основанной на восприятии. В то время как классическая работа по принятию решений показывает, что участники часто игнорируют явные базовые показатели 33 , базовые уровни могут иметь большее влияние, когда они изучены на опыте.Механизм имплицитного обучения может быть связан с эмпирическим обучением, которое может привести к знанию, более эффективно влияющему на суждения, чем явное знание 34 . Мы утверждаем, что имплицитное изучение общей базовой информации смещает начальную точку сбора доказательств в сторону более частого исхода. В соответствии с этой идеей локальные флуктуации базовых показателей влияют на принятие решений посредством модуляции начальной точки, даже если эти локальные флуктуации не отражают явных априорных значений для всей задачи 35 .Таким образом, начальная точка, возможно, отражающая предвзятую активность в нейронных репрезентациях альтернатив, может довольно автоматически модулироваться историей подкрепления.

Кроме того, мы также наблюдали изменения в смещении скорости дрейфа, связанные с внедрением предубеждений, связанных с особенностями, в процессе принятия решений. Когда участники знали, что существуют разные априорные данные, зависящие от цвета стимула, наблюдалась значительная модуляция скорости дрейфа, что указывало на то, что осознание априорных особенностей, специфичных для признаков, приводило к большей эффективности в накоплении перцептивных свидетельств в поддержку априорных факторов.Изменения скорости дрейфа также наблюдались, несмотря на недостаточное понимание того, что разные цвета стимула были связаны с разными априорными значениями в обоих экспериментах. Таким образом, оказывается, что неявное знание априорных факторов, специфичных для стимула, усиливает перцептивные процессы, способствующие принятию решений.

Модуляция начальной точки и скорости диффузии, вероятно, поддерживается различными областями мозга при принятии решений. Смещения начальной точки могут отражать повышенную активность в нейронных представлениях, соответствующих более частым альтернативам.В основополагающей работе Basso & Wurt, 1998 36 и Platt & Glimcher, 1999 37 , обезьяны, выполняющие двухальтернативное задание с принудительным выбором, демонстрировали повышенную допробную активность в SC и репрезентации области LIP для альтернативы, которая была намекает на большую вероятность. В эксперименте 1 могло иметь место аналогичное увеличение активности в представлениях, соответствующих более частому варианту. Это увеличение могло произойти в самом начале испытания, до включения данных об ориентации.В настоящем исследовании испытуемым не давали указаний на базовые априорные показатели, но они могли получить их неявно через опыт. Таким образом, оказывается, что модуляция начальной точки не требует знания априорных значений. Perugini et al., 2016 26 обнаружили, что у пациентов с болезнью Паркинсона нарушена корректировка исходной точки на основе априорных значений, что позволяет предположить, что базальные ганглии также могут участвовать в изменениях исходной точки и корректировке порога принятия решения в целом 38 . Будущая работа может прояснить, зависит ли модуляция отправной точки в принятии решений от аналогичных нейронных механизмов для явно заданных и неявно усвоенных априорных сигналов.

Корректировка смещения скорости дрейфа в настоящем исследовании может отражать улучшенную обработку элементов дисплея, соответствующую предыдущей. Было показано, что регулировка скорости дрейфа происходит в парадигмах принятия решений, в которых существует изменчивость отношения сигнала к шуму в ходе испытаний 39 ; поскольку изменчивость сложности в испытаниях увеличилась, подгонка DDM к данным в большей степени зависит от корректировки скорости дрейфа 40 . В настоящем исследовании, где испытания существенно различались по сложности, поэтому неудивительно, что скорость дрейфа была компенсирована, что привело к систематической ошибке при принятии решений.Хотя это открытие присутствовало в группе имплицитных в эксперименте 2, это открытие было гораздо более поразительным у испытуемых, которые получили частичное представление о базовых показателях или были проинформированы о различных априорных значениях в начале задания. Одна из возможностей состоит в том, что смещения скорости дрейфа отражают нисходящие эффекты внимания, которые усиливают усиление в областях восприятия или принятия решений. Это может быть результатом фазовой активности в голубом пятне, которая управляется орбитофронтальными входами и входами передней поясной извилины. Это увеличение усиления может быть применено к пулам нейронов, обрабатывающих ту или иную ориентацию или представляющих ту или иную альтернативу, в зависимости от цвета стимула.

Таким образом, наши результаты демонстрируют, что знание об априорных событиях может быть получено имплицитно и что это знание может быть специфичным для стимулов с различными характеристиками в наборе стимулов. В структуре DDM неявное получение общего смещения, по-видимому, реализуется посредством изменения смещения начальной точки. Однако систематическая ошибка, связанная с особенностями, в первую очередь реализуется за счет изменения скорости накопления доказательств. Будущие исследования могут помочь определить области мозга, участвующие в реализации общих и специфических предубеждений, а также выяснить, поддерживаются ли неявно приобретенные предубеждения другими нейронными механизмами, чем явные предубеждения.

Маленькие дети объединяют текущие наблюдения, априорные данные и информацию агентов, чтобы предсказывать действия других

Abstract

С самого раннего возраста дети могут использовать информацию из своего окружения для прогнозирования событий. Например, они могут использовать статистическую информацию о совокупности для прогнозирования выборки, взятой из этой совокупности, и делать выводы о предпочтениях агента на основе систематических нарушений случайной выборки. Мы исследовали, делают ли маленькие дети выводы о предвзятости выборки агента, и если да, то каким образом.Кроме того, мы проверили, соответствуют ли данные зрачков малышей предсказаниям вычислительной модели, основанной на формализации каузальной байесовской сети прогностической обработки. Мы формализовали три гипотезы о том, как различные объясняющие переменные (т. е. априорные вероятности, текущие наблюдения и характеристики агента) используются для предсказания действий других. Мы измерили реакции зрачков как поведенческий маркер «ошибок предсказания» (т. е. предполагаемого несоответствия между тем, что предсказывает модель агента, и тем, что агент на самом деле делает).Ответы зрачков 24-месячных, но не 18-месячных детей показали, что маленькие дети интегрировали информацию о текущих наблюдениях, предшествующих событиях и агентах, чтобы делать прогнозы относительно агентов и их действий. Эти результаты проливают свет на механизмы, лежащие в основе выводов малышей о событиях, вызванных агентами. Насколько нам известно, это первое исследование, в котором реакции зрачков маленьких детей используются в качестве маркеров ошибок предсказания, которые качественно сравнивались с предсказаниями вычислительной модели, основанной на формализации каузальной байесовской сети предсказательной обработки.

Образец цитирования: Kayhan E, Heil L, Kwisthout J, van Rooij I, Hunnius S, Bekkering H (2019) Маленькие дети объединяют текущие наблюдения, априорные данные и информацию агентов, чтобы предсказывать действия других. ПЛОС ОДИН 14(5): e0200976. https://doi.org/10.1371/journal.pone.0200976

Редактор: Christoph W. Korn, Universitatsklinikum Hamburg-Eppendorf, GERMANY

Поступила в редакцию: 3 июля 2018 г.; Принято: 4 мая 2019 г .; Опубликовано: 22 мая 2019 г.

Авторское право: © 2019 Kayhan et al.Это статья с открытым доступом, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Все соответствующие данные содержатся в рукописи и файлах со вспомогательной информацией.

Финансирование: Седьмая рамочная программа Европейского Союза Initial Training Network ACT (289404) и грант Нидерландской организации научных исследований-TOP (407-11-040) для H.Б. и И.в.Р. поддержал эту работу. Спонсоры не участвовали в разработке исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

Введение

С самого раннего возраста дети способны сделать вывод, что одни события более вероятны, чем другие. Они используют эти выводы, чтобы формировать ожидания относительно будущих событий и выражать удивление, когда эти события разворачиваются по-другому.Когда 12-месячные младенцы видят контейнер, в котором движутся три одинаковых объекта и один объект, прежде чем один из них выйдет из контейнера, они смотрят дольше, когда из контейнера покидает один объект, а не один из большинства объектов [1]. Аналогичная ситуация возникает, когда маленькие дети наблюдают за более или менее вероятными действиями другого человека. Сюй и Гарсия (2008) показали, что младенцы в возрасте восьми месяцев дольше смотрят на образец цветных шаров, если он взят из множества шаров, в основном других цветов, предполагая, что они ожидали другой выборки, учитывая популяцию. 2].Другими словами, если популяция состоит в основном из красных шаров, младенцы ожидают, что выборка из популяции будет случайной, что приведет к выборке в основном из красных шаров. Если это ожидание нарушается, это отражается в увеличении времени поиска. Однако если агент последовательно и неслучайным образом выбирает одни и те же предметы из популяции (например, все белые шары из преимущественно красной популяции), наблюдатель может интерпретировать это как указание на предпочтение определенного элемента. В исследовании, проведенном Кушниром, Сюй и Веллманом (2010), 20-месячные дети наблюдали, как агент выбирал пять игрушек одного типа из ящика населения, в котором в основном находились игрушки другого типа [3].Когда малышей затем просили дать агенту игрушку, которая ему больше всего нравилась, они часто выбирали игрушку, которую агент выбрал раньше. Если, с другой стороны, агент выбирал те же игрушки из ящика населения, в котором два типа игрушек были распределены более равномерно, он выбирал эту игрушку реже. Эти результаты предполагают, что младенцы делают выводы о предпочтениях других на основе нарушения случайной выборки.

Предыдущие исследования также показали, что младенцы используют вероятностную информацию для обоснования своих прогнозов о действиях других.Например, Henrichs и коллеги (2014) исследовали, модулирует ли определенность цели паттерны предсказания действий у 12-месячных младенцев [4]. В парадигме отслеживания глаз младенцы наблюдали, как руки тянутся к одному из трех предметов на столе, хватают предметы и кладут их в миску. Младенцы выполняли более ранние сдвиги взгляда в частом состоянии, когда рука тянулась к одному и тому же объекту во всех испытаниях, по сравнению с нечастым состоянием, в котором рука тянулась к разным предметам во всех испытаниях.Эти результаты показывают, что младенцы используют вероятностные данные, чтобы делать прогнозы о действиях других.

Недавние отчеты предполагают, что люди создают внутренние модели для прогнозирования поступающей информации [5], [6]. Этот прогнозируемый ввод сравнивается с фактическим вводом, и разница (то есть ошибка прогноза) используется для обновления прогнозов. Предыдущие исследования выявили нейронные маркеры ошибок предсказания (например, [7], [8], [9], [10], [11]). Другие исследования предполагают, что ошибки предсказания также могут быть оценены посредством измерения реакции зрачка, поскольку было показано, что они коррелируют с ошибками предсказания в задачах предсказания-вывода [12] и с ошибками предсказания вознаграждения [13] у взрослых.

Поскольку зрачковые реакции возникают непроизвольно без явных инструкций, этот метод также оказался ценным для изучения перцептивных и когнитивных процессов у довербальных младенцев [14], [15]. В частности, предполагалось, что расширение зрачка отражает нарушение ожиданий у младенцев [16], [17]. Например, Addyman, Rocha и Mareschal (2014) исследовали восприятие времени у младенцев, используя парадигму, в которой повторяющиеся цели были опущены [16]. 18]. Результаты этого исследования показали, что у младенцев в возрасте от 4 до 14 месяцев наблюдалось повышенное расширение зрачков при отсутствии целей в ожидаемые интервалы времени, что указывает на нарушение их ожиданий в отношении времени интервала.В настоящем исследовании мы делаем еще один шаг в этом подходе и используем реакции зрачков младенцев в качестве косвенных поведенческих маркеров ошибок предсказания у маленьких детей.

Если маленькие дети предсказывают действия других людей, в которых представлена ​​вероятность событий, то можно было бы ожидать увеличения расширения зрачков, когда дети наблюдают маловероятные события. Можно ожидать, что время поиска увеличится аналогичным образом. Хотя они действительно являются наиболее широко используемой мерой нарушений предсказания [19], их часто измеряют в течение относительно длительного периода времени после предъявления стимула (например, после предъявления стимула).г., > 12 с в [20]; > 5 сек в [2]; > 6 с в [21]). Таким образом, трудно провести различие между первоначальными фиксированными во времени реакциями на нарушение прогнозов и кумулятивными реакциями, которые могут отражать апостериорные процессы [17]. Более короткая временная шкала, в которой происходят реакции зрачка, может дать уникальное представление о том, как различные объясняющие переменные используются для формирования прогнозов с течением времени.

В текущем исследовании мы изучали, как 18-месячные младенцы и 24-месячные малыши строят прогнозы относительно действий других.Объединяют ли они, как предполагалось в предыдущих исследованиях, информацию о предшествующих вероятностях и текущих наблюдениях, чтобы предсказать последующее событие? Кроме того, принимается ли во внимание тот факт, что агент, выполняющий действие, может иметь предубеждение? В эксперименте, в котором маленькие дети наблюдали за агентом, выполняющим ряд более или менее вероятных действий по выборке, мы проанализировали изменения в реакциях зрачков в ходе испытаний, чтобы детально изучить, как младенцы и дети ясельного возраста строят прогнозы относительно действий агента по выборке. .Здесь важно отметить, что в отличие от предыдущих исследований (например, [2], [21]) мы измеряли зрачковые реакции после каждого выборочного результата отдельно. Эта уникальная особенность нашего дизайна позволила нам отслеживать, как прогнозы младенцев и возникающие в результате ошибки прогнозов менялись с течением времени.

Мы создали экспериментальную установку, в которой дети наблюдали за марионеткой, которая вытягивала шарики из ящика для населения и помещала их в открытый контейнер один за другим. В ячейке населения находились шары двух цветов в соотношении 1:4.В условии Меньшинство-сначала марионетка сначала выполнила ряд невероятных действий, выбрав четыре цветных шара меньшинства, а затем выбрала шар основного цвета. В условии Большинство-сначала марионетка выполнила серию более вероятных действий, вытащив четыре шара основного цвета, а затем один шар меньшего цвета.

Наш вычислительный подход позволил нам выдвинуть четкие гипотезы до сбора данных. Мы формализовали три гипотезы, чтобы исследовать, как маленькие дети предсказывают выборочные действия других.Эти формализованные гипотезы (точная вычислительная характеристика которых представлена ​​в Приложении S1) предоставили нам предсказанную картину ошибок предсказания во всех испытаниях и условиях. Мы предполагаем, что в нашей экспериментальной установке есть три переменные, которые используются для моделирования окружающей среды: (1) предыдущие наблюдения (т. е. шары, которые были выбраны ранее), (2) априорные вероятности события (т. е. вероятность шары определенного цвета, выбираемые с учетом относительного количества шаров в популяции), (3) предубеждения агента (т.е. склонность к выбору определенного цвета). Эти переменные увеличиваются с точки зрения уровня сложности: тогда как первая зависит от обнаружения изменений, вторая зависит от статистического вывода, а третья основана на обработке ненаблюдаемой информации агента. Гипотезы различаются в зависимости от того, учитываются ли эти переменные и каким образом.

Согласно первой гипотезе, дети делают прогнозы исключительно на основе уже составленной выборки. Другими словами, если зеленый шар был вытащен из популяции раньше, лучшим предсказанием следующего события было бы то, что будет вытащен еще один зеленый шар.По мере накопления доказательств этот прогноз становится все более убедительным, что приводит к уменьшению ошибок прогнозирования в ходе испытаний. Однако когда последний шар отличается от предыдущих, это должно приводить к увеличению ошибок предсказания. В результате с течением времени можно было бы наблюдать снижение реакции зрачков как в условиях Меньшинство-сначала , так и Большинство-сначала , поскольку несколько шаров одного цвета выбираются повторно (см. Рис. 1А). Однако, когда последний шар отличается от предыдущих, можно ожидать, что реакция зрачка увеличится для последнего события выборки по сравнению с предыдущим событием в обоих условиях.В первой гипотезе предполагается, что не принимается во внимание информация о том, что шар был выбран из совокупности с определенным распределением или выбран агентом, который может иметь определенные предубеждения.

Рис. 1.

Предполагаемый размер ошибки прогноза (и ее расширение зрачка) для двух экспериментальных условий, предсказанный вычислительными моделями на основе Гипотезы 1 (A), Гипотезы 2 (B) и Гипотезы 3 (C ).

https://дои.org/10.1371/journal.pone.0200976.g001

Вторая гипотеза предсказывает, что дети принимают во внимание вероятностную информацию о популяции, но игнорируют информацию об агенте. Эта гипотеза подразумевает, что дети используют как априорную вероятность, так и текущие наблюдения, чтобы предсказать следующее событие выборки: зеленый шар, выбранный из преимущественно желтой популяции, маловероятен, но становится немного более вероятным после того, как это произошло несколько раз. Основываясь на этой гипотезе, можно было бы ожидать, что реакция зрачка в первых двух испытаниях будет большой для условия меньшинство-первое .Однако, если шары одного и того же цвета берутся повторно, реакция зрачков в последующих попытках должна уменьшаться. Тем не менее, когда последний шар отличается от предыдущих наблюдений, но это более вероятно, учитывая распределение цветов в ячейке популяции, мы ожидали, что зрачковые ответы лишь немного увеличатся от четвертого к пятому событию выборки. С другой стороны, в условии Большинство сначала можно было бы ожидать, что реакция зрачков будет ниже в начальных испытаниях по сравнению с условием Большинство сначала , учитывая, что более вероятно выбрать желтые шары данный ящик населения.Однако, поскольку последний шар отличается от предыдущих и менее вероятен, учитывая соотношение шаров в ячейке популяции, мы предсказали большее увеличение ответов зрачков от четвертого к пятому событию выборки в Большинство-первое состояние по сравнению с условием меньшинство-сначала (см. рис. 1B).

Согласно третьей гипотезе, дети не только обрабатывают выборочные действия как вероятностные события, но и учитывают при этом ненаблюдаемые переменные, такие как предвзятость агента.Они объединяют априорную вероятность и текущие наблюдения таким образом, что включают характеристики агента в качестве объясняющей переменной, которая предсказывает наблюдаемые действия. Если агент постоянно выполняет маловероятное действие, выборка может быть не случайной, а обусловленной некоторыми характеристиками агента (например, предвзятостью выбора определенного цвета). С точки зрения экспериментальных данных, эта гипотеза предсказывает, что дети демонстрируют большую реакцию зрачков в условии Меньшинство-сначала , по сравнению с условием Большинство-сначала , во время первых испытаний, потому что меньше вероятность выбрать мячи меньшинства повторно из ящика населения.Затем, когда в условии Меньшинство-сначала выбрано несколько шаров меньшинства подряд, совместная вероятность событий в целом становится настолько низкой, что дети будут обновлять свои модели. В результате расширение зрачка должно уменьшиться после первых нескольких попыток, поскольку затем они будут предполагать, что агент преднамеренно выбирает шары миноритарных цветов из-за предвзятости выбора, и будут ожидать, что агент продолжит делать это в соответствии с этой предвзятостью выбора. Однако, поскольку последний шар отличается от первых четырех, их прогнозы, основанные на обновленной модели, будут нарушены, и в этом состоянии снова произойдет значительное увеличение зрачковых реакций.С другой стороны, в условии Большинство-первый нет причин отвергать предположение о случайной выборке агента. Поэтому ни тот факт, что большинство цветов выбирается подряд, ни то, что цвет последнего шара отличается от предыдущих, не слишком удивительны: распределение цветов в выборке согласуется с распределением в популяции. Если это так, то реакция зрачков в первых нескольких попытках в условии Большинство-первое будет ниже, чем в условии Большинство меньшинств , и они лишь немного увеличатся в последнем испытании по сравнению с предыдущим испытанием. поскольку последние шары отличаются от предыдущих наблюдений (см. рис. 1C).

Детские предсказания действий других могут стать более точными в процессе развития. Например, по мере взросления они могут точнее представлять статистическую информацию. Также может случиться так, что, учитывая возросший объем социального опыта, они могут стать более опытными в распознавании предпочтений других. Действительно, исследования развития социального познания показывают, что атрибуции детей в социальных ситуациях меняются по мере того, как они накапливают больше статистических данных об агентах в различных ситуациях посредством опыта [22], [23].Например, Ма и Сюй (2011) исследовали, используют ли 24-месячные малыши и 16-месячные младенцы статистическую информацию, чтобы сделать вывод о том, что у других могут быть предпочтения, отличные от их собственных [24]. Хотя 24-месячные сначала предполагали, что экспериментатор разделит их предпочтения в отношении определенного объекта, они могли пересмотреть это предположение, когда экспериментатор неоднократно выбирал другой объект, только если выборка оказывалась неслучайной. В то время как 24-месячные дети могли сделать вывод, что у экспериментатора были предпочтения, отличные от их собственных, 16-месячные младенцы продемонстрировали более слабые доказательства такого вывода.Как утверждают Ма и Сюй (2011), эти данные свидетельствуют о том, что способность рассуждать о субъективной природе предпочтений развивается в возрасте от 16 месяцев до 2 лет [24]. Учитывая предыдущую литературу, мы включили две возрастные группы (т. е. 24- и 18-месячные) в текущий эксперимент, чтобы выяснить, меняется ли использование вероятностной и агентной информации в прогнозировании действий других между 18 и 24 месяцами.

Наша работа по моделированию дает нам оценку ошибок предсказания в различных испытаниях и условиях.Затем мы качественно сравнили эти предсказанные модели результатов с фактическими изменениями в расширении зрачка для обеих возрастных групп. Благодаря этому мы лучше понимаем, как дети используют априорные вероятности, текущие наблюдения и информацию об агентах, чтобы предсказывать действия других, и как они пересматривают свои прогнозы с течением времени.

Материалы и методы

Участники

Мы протестировали 48 18-месячных младенцев ( M = 18 месяцев 2 дня; диапазон 17 месяцев 11 дней–18 месяцев 13 дней) и 57 24-месячных младенцев ( M = 24 месяца 1 день; диапазон 23). месяцев 4 дня–24 месяца 15 дней) на исследование.Десять 18-месячных и шесть 24-месячных не завершили сеанс тестирования из-за беспокойства. В заключительном статистическом анализе в условиях Меньшинство-первый и Большинство-первый условий, соответственно, было 20 и 21 24-месячный младенец. Участники были набраны из базы данных семей добровольцев, и родители дали письменное информированное согласие на исследование. Этический комитет факультета социальных наук Неймегенского университета Радбауд одобрил исследование. Все дети родились доношенными и не имели отставаний в развитии.Участвующие семьи получили взамен книгу или 10 евро.

Стимулы

Мы создали ознакомительный и тестовый ролики, в которых показано, как ручные куклы-животные берут цветные шарики из ящика для населения и помещают их один за другим в открытый контейнер. Ящик для населения был прозрачным спереди и имел белую непрозрачную крышку сверху, чтобы скрыть процесс отбора проб. Эта часть также служила окклюдером, чтобы держать марионеток вне поля зрения, когда они покидали сцену каждый раз после того, как вытягивали шар из ящика населения.Непрозрачная трубка, прикрепленная к коробке, вела к контейнеру с левой стороны коробки (см. рис. 2А–2С).

Ознакомительный фильм

В ознакомительном ролике (рис. 2А) марионетка-лягушка выскочила из-за закрытой части ящика для населения и начала вступительную речь, озвученную женским голосом. Кукла представилась и вручила ребенку ящик для населения, трубку и контейнер. Затем он выскочил, чтобы выбрать мяч из ящика с населением, заполненного только синими шарами, прежде чем снова появиться и двигаться к трубе.Руки куклы и мяч были спрятаны за непрозрачной частью в верхней части коробки, пока она не опустила мяч в трубку. Затем марионетка быстро покинула сцену, чтобы свести к минимуму отвлечение во время измерения реакции зрачка в тестовых испытаниях. Сразу после того, как марионетка исчезла, раздался звук качения, и с левой стороны контейнера появился мяч. Катящийся мяч зрителю не показывали, чтобы участники не видели его цвет, пока он не появится в контейнере.Затем марионетка снова выскочила и объяснила, что шарики катятся до самого конца, чтобы познакомить ребенка с внезапным появлением шариков в контейнере. Этот процесс повторялся пять раз и в общей сложности занял 2,07 минуты.

Тестовые ролики

Четыре разных ручных марионетки животных, озвученные двумя мужскими и двумя женскими голосами, использовались для изображения различных состояний (см. файл S1). Каждое испытание, в котором марионетка выбирала один мяч, рассматривалось как событие выборки.Одно условие включало пять последовательных событий отбора проб, другими словами, пять испытаний. Мы сняли каждую марионетку для условия Большинство сначала , а также для условия Большинство меньшинств , чтобы уравновесить условия и связанных агентов среди участников. Тестовые фильмы (см. рис. 2B и 2C) были аналогичны ознакомительному фильму с точки зрения настройки. Однако ячейка населения теперь была заполнена шарами двух разных цветов. Во всех фильмах соотношение зеленых и желтых шаров было 1:4.

Как и в ознакомительном ролике, марионетка сделала короткое вступление, в котором назвала участникам свое имя, исследовала обстановку и объяснила, что теперь она будет собирать мяч. Затем он выскочил за белую непрозрачную часть, чтобы выбрать мяч. В этот момент агента не было видно, но раздавался грохочущий звук, когда шары двигались внутри ящика для населения, чтобы указать, что агент выбирает шар. Поскольку марионетка не была видна, когда собирали шары, из того, как выполнялось действие выборки, не было очевидно, было ли оно случайным или нет.Затем марионетка выскочила из-за непрозрачной части, понесла мяч и поместила мяч в трубку. В этот период мяч, который выбрала марионетка, еще не был виден участникам. Сразу после того, как марионетка покинула сцену, начался звук качения продолжительностью 1400 миллисекунд, пока мяч не появился с левой стороны контейнера. Отображение отобранного шара отображалось в течение 4000 миллисекунд. Марионетка повторила тот же процесс пять раз, выбирая шары из коробки один за другим.В условии Меньшинство-сначала дети наблюдали за тем, как марионетка четыре раза подряд вытягивала шарики меньшинства из ящика населения, прежде чем выбрать один шарик большинства цветов (см. рис. 2В). В условии Большинство-сначала марионетка вытащила четыре цветных шара большинства, за которыми следовал шар меньшинства (см. рис. 2C). Мы измеряли изменения в расширении зрачка после каждой выборки. Большинство-сначала и Меньшинство-сначала условия были показаны всем участникам дважды.Хотя это не было априорным решением, поскольку большинство участников быстро отвлекались после наблюдения за первыми пятью последовательными событиями отбора проб, в анализ были включены только данные для этого первого условия (т.е. файл S2). Таким образом, мы также гарантировали, что эффекты переноса, которые могут возникнуть из-за повторения последовательностей выборки, не повлияют на наши данные. Полное представление стимула состояло из начального условия ознакомления и обоих условий, показанных дважды (файл S2).Один тестовый фильм длился 1,48 минуты, а все предъявление стимула длилось 8 минут.

Стимульный материал был отредактирован в процессе постобработки с использованием Final Cut Studio 3 (Apple Inc.). Затем фильмы были отредактированы с использованием программного обеспечения для редактирования видео с открытым исходным кодом Kdenlive (версия 0.9.6), чтобы соответствовать времени и продолжительности каждого фильма. Поскольку реакция зрачков чувствительна к световым эффектам, мы уделили самое пристальное внимание факторам яркости. Для того чтобы фильмы имели одинаковые значения яркости, мы выполнили цветовую коррекцию фильмов с помощью программного обеспечения Color (версия 1.5, Apple Inc.). Аудиоматериал для фильмов был записан и отредактирован для соответствия высоте тона и скорости аудиоматериала между фильмами с использованием программного обеспечения Audacity (версия 2.0.5).

Экспериментальная установка и процедура

Процедура тестирования была одинаковой для обеих возрастных групп. Движения глаз регистрировали с помощью устройства отслеживания глаз с отражением от роговицы (Tobii 120, Tobii Technology, Дандерюд, Швеция), регистрируя данные взгляда с частотой 60 Гц с использованием процедуры калибровки по 9 точкам. Процедура повторялась, если были обнаружены семь или меньше точек калибровки, пока не были получены данные по крайней мере для восьми точек калибровки.

Для контроля эффектов внешней освещенности естественное освещение было полностью заблокировано, а освещение в помещении было включено во время калибровки и тестирования. Чтобы убедиться, что яркость окружающей среды во время измерений находилась в определенном диапазоне, мы регистрировали яркость окружающей среды во время каждого тестирования с помощью специального устройства, прикрепленного к айтрекеру (датчик цвета Atlas Scientific ENV-RGB, версия 1.6). , в сочетании с оборудованием Arduino), а значения яркости были извлечены с помощью программного обеспечения Arduino (версия 1.0,5). Значения внешней освещенности при тестировании находились в пределах 187–195 люкс. Участники сидели на коленях у родителей. Все участники рассматривали тестируемый материал с расстояния примерно 60 см.

Меры

Мы измерили реакцию зрачка на каждое событие отбора проб в течение первых 2000 мс после того, как шарик, взятый в пробу, был виден в контейнере. Данные учащихся были проанализированы с использованием специально разработанных сценариев MATLAB (MathWorks, Фридрихсдорф, Германия). Данные были очищены с помощью нескольких этапов предварительной обработки.Во-первых, мы проверили отсутствующие точки данных. Если значения расширения зрачка были доступны для обоих глаз, то они усреднялись, чтобы получить одно значение для каждого образца. В случае отсутствия значения для одного из глаз для анализа использовалось только значение для другого глаза. Если разница между левым и правым глазом превышала 1 (что считается признаком анизокории: состояния, характеризующегося неравными размерами зрачков) или если средние значения превышали два стандартных отклонения от среднего, точка данных считалась недостоверный и зарегистрирован как пропавший без вести.Отсутствующие точки данных из-за моргания были скорректированы с использованием алгоритма линейной интерполяции, в котором максимальный интервал выборки был установлен равным 5. После интерполяции данные были сглажены с использованием медианного фильтра и фильтрации скользящего среднего, чтобы уменьшить шум в сигнале. Если в одном испытании продолжительностью 2000 мс отсутствовало более 60 образцов, все испытание исключалось из анализа. Изменения диаметра зрачка были получены путем вычитания среднего диаметра зрачка для каждой пробной выборки из фиксированного базового периода, определяемого как первые 1000 мс от начала каждого фильма до того, как марионетка появилась в первый раз.Здесь мы стремились найти окно во время предъявления стимула, когда у участников не было никакой информации об исходах выборки и агенте (было невозможно иметь период, когда окно не было видно). Поскольку мы пришли к выводу, что информация, такая как предыдущие образцы и агенты, будет модулировать реакцию младенца, мы выбрали базовый период, в течение которого эта информация не была доступна. Наконец, если значение для одного испытания отклонялось более чем на два стандартных отклонения от общего среднего значения по испытанию, оно считалось выбросом и удалялось из дальнейшего анализа.Прежде чем проводить дальнейший статистический анализ данных, мы сначала провели один выборочный t-критерий против нуля для каждой возрастной группы, чтобы убедиться, что действительно были значительные изменения в реакциях зрачков по сравнению с исходным уровнем (см. [16]). информативны, поскольку они обеспечили проверку достоверности для дальнейшего статистического анализа, проверяющего влияние манипуляций с заданиями на реакцию зрачков.

Результаты

Измерение реакций зрачков после каждого выборочного результата отдельно позволило нам отслеживать, как прогнозы детей менялись с течением времени.Один выборочный t-тест для 18-месячных детей показал, что в целом не было значительного изменения реакции зрачков по сравнению с исходным уровнем ( t (34) = 1,11, p = 0,27). С другой стороны, 24-месячные дети показали значительное увеличение реакции зрачка по сравнению с исходным уровнем ( t (50) = 4,18, p < 0,01). Зрачковые реакции 24-месячных и 18-месячных детей показаны на рис. 3 и 4 соответственно.

Рис. 3.Среднее изменение размера зрачка по сравнению с фиксированным базовым периодом в условиях меньшинство-первое (черная линия) и большинство-первое (серая линия) в ходе испытаний у 24-месячных детей.

Планки погрешностей представляют SEM.

https://doi.org/10.1371/journal.pone.0200976.g003

Рис. 4. Среднее изменение размера зрачка по сравнению с фиксированным базовым периодом в Меньшинство в первую очередь (черная линия) и Большинство в первую очередь (серая линия) условия в ходе испытаний у 18-месячных детей.

Планки погрешностей представляют SEM.

https://doi.org/10.1371/journal.pone.0200976.g004

Поскольку не было различий в реакции зрачков по сравнению с исходным уровнем у 18-месячных детей, мы не проводили дальнейший анализ для этой возрастной группы. . Мы пришли к выводу, что дальнейший анализ этой возрастной группы был бы неинформативным, если не вводящим в заблуждение, учитывая отсутствие изменений реакции зрачка по сравнению с исходным уровнем, что сводит на нет интерпретацию изменений расширения зрачка в зависимости от различных испытаний и условий.Поскольку мы обнаружили значительное изменение общей реакции зрачков по сравнению с исходным уровнем у 24-месячных детей, мы сосредоточили наши дальнейшие анализы на этой возрастной группе.

Поскольку мы предсказывали различные модели ответов для различных комбинаций испытаний с учетом различий в исходах выборки, мы исследовали первые два и последние два испытания отдельно. Чтобы изучить первоначальные реакции участников на вероятность результатов, мы сначала провели повторный анализ ANOVA с условием (меньшинство-сначала против большинства).большинство) как фактор между субъектами и первые два испытания (1 и 2) как фактор внутри субъектов. Этот анализ выявил значимое испытание по взаимодействию условий ( F (1, 42) = 4,80, p = 0,03, η 2 = 0,10). Как показано на рис. 3, это взаимодействие в основном было обусловлено большей разницей в расширении зрачка между условиями во втором испытании. Тем не менее, последующие t-тесты показали, что в первом испытании реакции зрачков значительно различались между Меньшинством-первым условием ( M = .22, SD = 0,20) и условие большинства ( M = 0,08, SD = 0,22), t (46) = 2,15, p = 0,04. Точно так же, во втором испытании, разница в реакциях зрачков между Меньшинство-первое условие ( M = 0,25, SD = 0,18) и Большинство-первое условие ( M = 0,01 , SD = 0,29) было значимым, t (40,61) = 3,47, p < .01. Эти результаты показывают, что в обоих испытаниях расширение зрачков 24-месячных малышей было больше, когда они наблюдали маловероятное действие по выборке по сравнению с вероятным действием. Это открытие подтверждает подгипотезу как второй, так и третьей гипотезы: малыши изначально ожидали, что выборки будут представлять распределение в ячейке с населением, тем самым предполагая, что выборки агента из коробки случайны. Более того, по мере того как совместная вероятность исходов выборки становилась менее вероятной для каждой выборки в условии меньшинство-первое , разница между условиями становилась больше во втором испытании.

Когда малыши наблюдали, как агент постоянно выполнял маловероятное действие (т. е. неоднократно выбирал шарики меньшинства), наша третья гипотеза предполагала, что это заставляло их пересматривать свои прогнозы: выборка могла быть не случайной, а смещенной в сторону определенного цвета из-за некоторых характеристики агента (например, агент намеренно выбирает определенный цвет). После такого пересмотра своих прогнозов дети начинали ожидать, что агент выберет шарик цвета меньшинства (что раньше считалось маловероятным), и теперь удивлялись бы, увидев появление шарика цвета большинства.С другой стороны, когда малыши наблюдают, как агент последовательно выполняет более вероятное действие (т. е. собирает большинство цветных шаров), нет причин пересматривать прогнозы. Чтобы проверить это предположение, мы проанализировали различия в реакциях зрачков непосредственно до и после наблюдения за изменением поведения агента по выбору. Используя повторные измерения ANOVA с условием ( меньшинство-сначала и большинство-сначала ) в качестве фактора между субъектами и испытаний (4 и 5) в качестве фактора внутри субъектов, мы проанализировали зрачковые реакции 24-месячных -старые в разных условиях на последних двух испытаниях.Как и предсказывалось в соответствии с третьей гипотезой, данные выявили значительную взаимосвязь между состоянием и испытаниями ( F (1, 39) = 4,46, p = 0,04, η 2 = 0,09). Последующий анализ t-критерия показал, что в четвертом испытании не было существенной разницы в реакциях зрачков между Меньшинство-сначала условие ( M = 0,16, SD = 0,20) и Большинство-сначала. первое условие ( M = .07, SD = .28), т (43) = 1,21, р = 0,23. Однако в пятом испытании расширение зрачка в условии Меньшинство-сначала ( M = 0,27, SD = 0,16) значительно увеличилось, в то время как это не имело место для условия Большинство-сначала ( M = 0,09, SD = 0,22), t (38,65) = 3,01, p < 0,01. Этот вывод имеет решающее значение, поскольку он показывает, что малыши объединяли наблюдаемые результаты и информацию об априорной вероятности события с ненаблюдаемыми характеристиками агента для прогнозирования действий агента по выборке с течением времени.Таким образом, они показали повышенную реакцию, когда их предсказание было нарушено, что предполагалось в третьей гипотезе, но не в двух других гипотезах (см. рис. 1C и рис. 3).

Обсуждение

В этом исследовании мы изучали, как 18-месячные младенцы и 24-месячные малыши прогнозируют действия других. Мы определили три объясняющие переменные, которые можно использовать при прогнозировании действий другого человека: (1) ранее наблюдаемые события, (2) априорную вероятность определенных событий и (3) характеристики агента.Эти три переменные можно упорядочить по степени их сложности. Первый включает в себя только простое обнаружение изменений, второй использует статистический вывод, а третий требует обработки ненаблюдаемой информации агента. Соответственно, мы разработали три гипотезы, каждая из которых включала на одну релевантную переменную больше, чем предыдущая, тем самым повышая уровень сложности их обработки. Мы проверили эти гипотезы в эксперименте, в котором маленькие дети наблюдали за марионеткой, выбирающей цветные шарики один за другим из ящика для населения.Их зрачковые реакции измерялись после каждого события выборки и предполагались в качестве показателя ошибок предсказания.

Наши результаты показали, что 24-месячные малыши объединяют априорную вероятность и текущие наблюдения, а также предубеждения агента, чтобы предсказать выборочные действия агента, и тем самым подтвердили третью гипотезу. Поскольку мы измеряли реакции зрачков после каждого выборочного результата отдельно, мы смогли отслеживать, как их прогнозы и возникающие в результате ошибки прогнозов менялись с течением времени.Малыши демонстрировали значительно большую реакцию зрачков, когда они наблюдали маловероятное по сравнению с вероятным действие выборки в первых двух испытаниях. Этот вывод согласуется с предположением, что маленькие дети строят прогнозы на основе доступной статистической информации: они предсказывают, что распределение в выборке будет отражать распределение в популяции, из которой они взяты [21], [2] и, таким образом, удивлен, когда это предсказание нарушается.

Более того, наши результаты показывают, что повторные наблюдения за маловероятным исходом позволили малышам пересмотреть свои прогнозы.Они больше не предполагали, что действия агента были случайными, а скорее отражали предвзятость выбора. Поскольку агент постоянно выполнял невероятное действие, они ожидали, что агент будет продолжать демонстрировать эту предвзятость выбора. Однако когда они заметили, что последний выбор отличается от предыдущих, это предсказание было нарушено. Возникшая в результате ошибка предсказания вызвала большее увеличение их зрачковых реакций в последнем испытании в условии «Меньшинство-сначала » по сравнению с условием «Большинство-сначала ».В условии Большинство-первое общая выборка напоминала распределение в ячейке генеральной совокупности. Поскольку такой исход был весьма вероятен, тот факт, что последний шарик был другого цвета, не приводил к сильному усилению зрачковой реакции. Эти результаты согласуются с идеей о том, что маленькие дети объединяют информацию об априорной вероятности события, наблюдаемых результатах и ​​характеристиках агента, чтобы предсказать выборочные действия агента.

Наши результаты показывают, что 24-месячные дети учитывают информацию об агентах в своих прогнозах.Когда выборка становится крайне маловероятной, учитывая распределение в популяции, малыши больше не предполагают, что выборка является случайной. Скорее, они предполагают, что выборка определяется специфическими характеристиками агента: по какой-то причине агент намеренно выбирает один цвет. Например, этой причиной может быть предпочтение одного цвета другому или задача, которая была дана этому агенту.

В то время как 24-месячные дети в нашем исследовании демонстрировали четкие признаки интеграции ранее наблюдаемых событий, априорной вероятностной информации и характеристик агента для формирования прогнозов, зрачковые реакции 18-месячных детей были неубедительными.Здесь важно отметить, что отсутствие изменений диаметра зрачка по сравнению с исходным уровнем, как это имеет место у 18-месячного ребенка в текущем исследовании, не является свидетельством отсутствия определенных когнитивных процессов. Другими словами, отсутствие значимых зрачковых реакций у 18-месячных младенцев не обязательно означает, что 18-месячные дети не способны приписывать предвзятость выбора агентам. Тем не менее, предыдущие исследования показали, что даже 10-месячные младенцы используют статистическую информацию, чтобы направлять свои выводы о действиях других (т.г., [25], [20]). Поскольку мы не наблюдали изменений в реакциях зрачков 18-месячных младенцев по сравнению с исходным уровнем, мы считаем, что результаты, полученные в этой возрастной группе, не следует интерпретировать. Соответственно, мы можем только строить догадки о факторах, которые могли привести к текущим результатам.

Используя измерения времени взгляда, Веллман и его коллеги (2016) показали, что 10-месячные младенцы используют вероятностную информацию, чтобы делать выводы о предпочтениях других [20]. В этом исследовании 10-месячные младенцы наблюдали за агентом, который брал шарики из коробки.Младенцы, которые видели, как этот агент выбирал мячи меньшинства цветов во время фазы привыкания, выглядели дольше, когда мяч, взятый в качестве образца во время тестового события, имел другой цвет, чем когда он был того же цвета. Однако не было такой разницы для младенцев, которые видели, как этот агент отбирал шарики из большинства цветов в фазе привыкания. Результаты интерпретируются как свидетельство того, что нарушение ожиданий на этапе привыкания, которое происходило только тогда, когда агент выбирал мячи из меньшинства, привело к тому, что младенцы приписывали агенту предпочтение выбранного цвета.

Несмотря на изучение аналогичного исследовательского вопроса, между исследованием Веллмана и его коллег (2016) и текущим исследованием [20] существовали теоретические и методологические различия. Например, в исследовании Веллмана и его коллег (2016) живой актер выбирал предметы из ящика населения [20]. Предыдущая литература показала, что когда младенцы наблюдали неслучайный образец, они ожидали, что образец взял человек, а не механический коготь [24]. Возможно, 18-месячные младенцы не приписывали предвзятость выбора агентам в текущем исследовании, поэтому они не продемонстрировали какой-либо дифференциальной реакции расширения зрачка, поскольку агенты не были человеческими.Кроме того, здесь мы стремились исследовать прогнозы младенцев о выборочных действиях других и измеряли их зрачковые реакции как поведенческий показатель ошибок прогнозов. Поскольку расширение зрачка является непроизвольной реакцией, которая происходит в более короткие сроки по сравнению с кумулятивными показателями, такими как время взгляда, было бы разумно предположить, что текущее исследование касается другого аспекта познания младенцев по сравнению с предыдущими исследованиями. В то время как мы измеряли немедленные фиксированные во времени реакции на нарушения прогнозов, предыдущие исследования были сосредоточены на апостериорных процессах, наблюдаемых в более длительные периоды.В совокупности эти теоретические и методологические расхождения могут объяснить различия в результатах разных исследований.

Можно также предположить, что модели 18-месячных младенцев могут быть недостаточно продвинутыми, чтобы интегрировать все три объясняющие переменные и взаимодействия между ними. В качестве альтернативы, даже если их внутренние модели были усовершенствованными, они могли не генерировать очень точные прогнозы, что приводило к низкому весу ошибок прогнозирования. Например, на основе своей внутренней модели младенцы могут иметь смутное представление о том, что то, что произошло раньше, может произойти снова (ср.Гипотеза 1), но эта идея могла быть слишком слабой, чтобы сделать предсказание с высокой точностью. Следовательно, в случае нарушения этого предсказания не возникнет никакой ошибки предсказания или возникнет только очень слабая ошибка. Более того, могло быть даже так, что их внутренние модели не включали причинно-следственную связь между агентом и внешним видом шаров, что потенциально мешало им кодировать релевантность цвета шаров. Следовательно, из-за незрелых внутренних моделей у младенцев могли быть более слабые предсказания или неправильные предсказания, и все это могло объяснить отсутствие совпадения между данными о реакции их зрачков и нашими гипотезами.

Прогнозирующие модели окружающей среды могут стать более зрелыми в процессе развития, что позволит детям делать точные или подробные прогнозы событий. В повседневной жизни дети переживают множество событий, и в большинстве случаев эти события имеют определенную структуру. Определенные события следуют друг за другом, что позволяет им изучать закономерности в окружающей среде и, в конечном итоге, причинно-следственную структуру, стоящую за событиями [26]. Повторяющийся опыт определенных событий может позволить им улучшить свою модель мира, чтобы делать более точные или подробные прогнозы.Благодаря многим из этих переживаний развивается общая модель мира. По мере того, как дети собирают доказательства по множеству различных событий, связанных с различными агентами и объектами, которые они выбирают, они накапливают все больше и больше знаний о мире. Например, они могут увидеть, как друг постоянно собирает клубнику, а не груши, или их отец пьет кофе, а не чай. Весь этот опыт вместе может позволить им эффективно интегрировать новую информацию в свою модель мира. Другими словами, по мере того, как улучшается их знание мира, они начинают лучше делать выводы о причинах поведения других, не наблюдая за многими событиями.В результате малышам может потребоваться меньше информации, чтобы сформировать определенный прогноз относительно выбора других агентов. Потенциально 24-месячные дети накопили знания о мире, необходимые для того, чтобы иметь возможность использовать три объясняющие переменные в нашем эксперименте так, как указано в третьей гипотезе. Эти результаты проливают свет на механизмы, лежащие в основе выводов малышей о событиях, вызванных агентами, поскольку они предполагают, что с 24-месячного возраста соответствующая информация из окружающей среды используется для формирования прогнозов о причинах этих событий.

Выводы

Мы представили формализованные гипотезы о том, как маленькие дети объединяют перцептивную, статистическую и информацию, связанную с агентами, чтобы сделать вывод о предубеждениях других. Наши результаты подтверждают гипотезу о том, что 24-месячные малыши способны объединять информацию об отдельных агентах с информацией о предыдущих событиях и предшествующих вероятностях, чтобы предсказывать действия других. Кроме того, мы представляем инновационный подход, в котором реакции зрачков маленьких детей используются в качестве косвенных поведенческих маркеров ошибок предсказания.Паттерн реакции зрачков у 24-месячных, но не 18-месячных детей, показал сильное сходство с шаблонами ошибок предсказания, формализованными с помощью модели прогностической обработки. Наши результаты показывают, что маленькие дети интегрируют информацию о текущих наблюдениях, предшествующих вероятностях и агентах, чтобы предсказывать действия других.

Благодарности

Мы хотели бы поблагодарить детей и семьи, принявшие участие в этом исследовании. Мы благодарим Густава Гредебека за его советы по анализу данных учеников.Мы также хотели бы поблагодарить Эмиля Дж. Вагнера и Анхеля Кано за их помощь в редактировании фильмов-стимулов.

Каталожные номера

  1. 1. Теглас Э., Джиротто В., Гонсалес М., Бонатти Л.Л. Интуитивные представления о вероятностях формируют ожидания относительно будущего в возрасте 12 месяцев и старше. Труды Национальной академии наук. 2007; 104 (48): 19156–9.
  2. 2. Сюй Ф., Гарсия В. Интуитивная статистика 8-месячных младенцев. Труды Национальной академии наук.2008;105(13):5012–5.
  3. 3. Кушнир Т., Сюй Ф., Веллман Х.М. Маленькие дети используют статистическую выборку, чтобы сделать вывод о предпочтениях других людей. Психологическая наука. 2010;21(8):1134–40. пмид:20622142
  4. 4. Хенрихс И., Эльснер С., Эльснер Б., Уилкинсон Н., Гредебек Г. Уверенность в цели модулирует целенаправленное смещение взгляда младенцев. Развивающая психология. 2014;50(1):100. пмид:23586939
  5. 5. Кларк А. Что дальше? Прогнозирующий мозг, ситуативные агенты и будущее когнитивной науки.Науки о поведении и мозге. 2013;36(3):181–204. пмид:23663408
  6. 6. Фристон К. Теория корковых реакций. Философские труды Королевского общества B: Биологические науки. 2005;360(1456):815–36.
  7. 7. Эгнер Т., Монти Дж. М., Саммерфилд С. Ожидание и удивление определяют реакцию нейронной популяции в вентральном зрительном потоке. Журнал неврологии. 2010;30(49):16601–8. пмид:21147999
  8. 8. den Ouden HE, Daunizeau J, Roiser J, Friston KJ, Stephan KE.Ошибка предсказания полосатого тела модулирует корковую связь. Журнал неврологии. 2010;30(9):3210–9. пмид:20203180
  9. 9. Филлипс Х.Н., Бленкманн А., Хьюз Л.Е., Бекинштейн Т.А., Роу Дж.Б. Иерархическая организация лобно-височных сетей для предсказания стимулов в нескольких измерениях. Журнал неврологии. 2015;35(25):9255–64. пмид:26109651
  10. 10. ван Пелт С., Хейл Л., Квистаут ​​Дж., Ондобака С., ван Рой И., Беккеринг Х. Активность в бета- и гамма-диапазонах отражает прогностическое кодирование при обработке причинных событий.Социальная когнитивная и аффективная неврология. 2016;11(6):973–80. пмид:26873806
  11. 11. Wacongne C, Labyt E, van Wassenhove V, Bekinschtein T, Naccache L, Dehaene S. Доказательства иерархии прогнозов и ошибок прогнозов в коре головного мозга человека. Труды Национальной академии наук. 2011;108(51):20754–9.
  12. 12. Нассар М.Р., Рамси К.М., Уилсон Р.К., Парих К., Хизли Б., Голд Дж.И. Рациональная регуляция динамики обучения с помощью систем возбуждения, связанных со зрачком.Неврология природы. 2012;15(7):1040. пмид:22660479
  13. 13. Preuschoff K, t Hart BM, Einhauser W. Расширение зрачков свидетельствует об удивлении: доказательства роли норадреналина в принятии решений. Границы нейробиологии. 2011;5:115. пмид:21994487
  14. 14. Хепах Р., Вестерманн Г. Пупиллометрия в исследованиях младенчества. Журнал познания и развития. 2016;17(3):359–77.
  15. 15. Лаенг Б., Сируа С., Гредебек Г. Пупиллометрия: окно в подсознание?Взгляды на психологическую науку. 2012;7(1):18–27. пмид:26168419
  16. 16. Гредебек Г., Мелиндер А. Телеологическое мышление у 4-месячных младенцев: расширение зрачков и контекстуальные ограничения. ПЛОС Один. 2011;6(10):e26487. пмид:22039499
  17. 17. Джексон И., Сируа С. Младенческое познание: полный факториал с расширением зрачка. Развивающая наука. 2009;12(4):670–9. пмид:19635092
  18. 18. Аддиман С., Роша С., Марешал Д. Картирование происхождения времени: скалярные ошибки в оценке времени младенцев.Развивающая психология. 2014;50(8):2030. пмид:24979472
  19. 19. Аслин РН. Что во взгляде? Развивающая наука. 2007 г.; 10(1):48–53. пмид:17181699
  20. 20. Веллман Х.М., Кушнир Т., Сюй Ф., Бринк К.А. Младенцы используют статистическую выборку, чтобы понять психологический мир. Младенчество. 2016;21(5):668–76.
  21. 21. Сюй Ф., Денисон С. Статистический вывод и чувствительность к выборке у 11-месячных младенцев. Познание. 2009;112(1):97–104. пмид:19435629
  22. 22.Мельцов А.Н., Гопник А. Изучение разума на основе фактов: Развитие интуиции у детей. Понимание других умов: перспективы социальной неврологии развития. 2013:19.
  23. 23. Гопник А., Веллман Х.М. Реконструкция конструктивизма: причинно-следственные модели, байесовские механизмы обучения и теоретическая теория. Психологический бюллетень. 2012;138(6):1085. пмид:22582739
  24. 24. Ма Л., Сюй Ф. Использование маленькими детьми данных статистической выборки для вывода о субъективности предпочтений.Познание. 2011;120(3):403–11. пмид:21353215
  25. 25. Лю С., Ульман Т.Д., Тененбаум Дж.Б., Спелке Э.С. Десятимесячные младенцы делают вывод о ценности целей, исходя из затрат на действия. Наука. 2017;358(6366):1038–41. пмид:29170232
  26. 26. Гопник А. Научное мышление у детей раннего возраста: теоретические достижения, эмпирические исследования и последствия для политики. Наука. 2012;337(6102):1623–7. пмид:23019643

границ | Интеграция функции цветовой модуляции

Введение

Наша способность распознавать объекты и взаимодействовать с ними во многом зависит от визуального восприятия.Однако изображения стимулов реального мира могут быть очень сложными и неоднозначными. Несмотря на неоднозначный, неполный или зашумленный ввод, зрительная система человека способна воспринимать объекты и свойства объектов с большой точностью. Гельмгольц (1867) предположил, что зрительная система делает бессознательные выводы или «заключения» о свойствах объекта и сцены, чтобы разрешить эту неоднозначность, что приводит к точному восприятию. В последние десятилетия теория бессознательного вывода Гельмгольца была формализована в модели байесовского восприятия.Байесовские модели визуального восприятия предполагают, что разрешение неоднозначности происходит посредством вероятностной интеграции предыдущего опыта или знаний (априорных) с доступной сенсорной информацией (вероятность), что приводит к распределению вероятностей рассматриваемого свойства объекта. При более шумном сенсорном вводе возрастает зависимость от предшествующих знаний (Kersten et al., 2004).

Цвет — важный источник информации в самых разных повседневных задачах, от восприятия объектов до управления реакцией.Конкретный цвет объекта помогает в распознавании объектов, например, цвет яблока позволяет различать сорта. Во время движения красный сигнал светофора предупреждает водителя о необходимости остановить транспортное средство. Однако недавние исследования показали, что цвет, не относящийся к задаче, может также естественным образом модулировать когнитивные функции, такие как выбор внимания (Черников и Фаллах, 2010), визуальный поиск (Линдси и др., 2010) и торможение реакции; (Близзард и др., 2017). Черников и Фаллах (2010) продемонстрировали, что выбор цели плавного преследования зависел от внутренней иерархии внимания: красный (самый сильный), за которым следовали зеленый, затем желтый и синий (самый слабый) при саккадировании к двум наложенным кинетограммам со случайными точками.В отсутствие какой-либо задачи, требующей следовать определенному цвету, автоматически выбирался красный и преследовался по сравнению с другими цветами; зеленый был выбран незначительно и преследовался по сравнению с желтым и синим, а желтый был выбран и преследовался по синему; тогда как синий не был выбран среди других цветов. Точно так же Линдси и соавт. (2010) сообщили, что красные мишени быстрее находили в задаче визуального поиска по сравнению с другими цветными мишенями. Близзард и др. (2017) сообщили, что подавлению реакции способствовали красные стоп-сигналы в большей степени, чем зеленые, в задаче стоп-сигнала (SST).Электрофизиологические исследования также подтвердили цветовую модуляцию исполнительных функций. В задаче визуального поиска красные и синие цели вызывали более ранние формы волны N2pc по сравнению с другими цветами, что позволяет предположить, что развертывание внимания может происходить быстрее для красного и синего (Fortier-Gauthier et al., 2013; Pomerleau et al., 2014). Кроме того, Рэйси и соавт. (2019) провели исследование фМРТ, которое продемонстрировало, что задняя срединная кора (ЗМК), которая участвует в предпочтениях и ценностных суждениях о стимулах (Kable and Glimcher, 2007; Grueschow et al., 2015), модулируется цветовыми характеристиками, даже если цвет не имеет отношения к задаче оценки ориентации, которая поддерживает разные цвета, имеющие разные значения или веса. Взятые вместе, эти исследования показывают, что цвет визуального ввода может внутренне модулировать процессы внимания и когнитивные процессы, вызывая различия в процессах принятия решений на более поздних стадиях, которые в конечном итоге модулируют поведенческий контроль. Мы предполагаем, что эту зависящую от цвета модуляцию визуальной обработки можно объяснить байесовскими моделями восприятия.В байесовской модели относительная сила данного цвета будет варьировать вес априорных значений, смещая совместное распределение вероятностей и потенциально приводя к различным поведенческим результатам в зависимости от цвета.

В настоящем исследовании мы стремились выяснить, зависят ли такие цветозависимые модуляции от байесовских процессов восприятия в потоках визуальной обработки. Мы сосредоточились на интеграции функций, используя эффект мгновенного прыжка, визуальную иллюзию цвета и интеграции движения, впервые описанную Cai and Schlag (2001).Сандберг и др. (2006) обнаружили нейронные корреляты эффекта мгновенного прыжка в области V4 и предположили, что в основе этой иллюзии лежит байесовская структура для интеграции движения и вспышки. В иллюзии мгновенного прыжка движущийся стимул, такой как прямоугольная полоса, меняет цвет в одном месте на своей траектории. Наблюдатели воспринимают вспышку как происходящую дальше по траектории движения, чем в ее истинном положении, таким образом ошибочно привязывая вспышку к более поздней полосе в последовательности. Это неправильная локализация интеграции функций между информацией о цвете и движении.Если высвеченный элемент является последним элементом в последовательности (условие завершения), местонахождение вспышки воспринимается достоверно. Сандберг и др. (2006) зафиксировали ответы цветоселективных нейронов V4, когда обезьяны рассматривали иллюзию мгновенного прыжка. В классическом состоянии продолжающегося движения рецептивные поля нейронов V4, которые были избирательны к цвету вспышки, смещались вдоль траектории движения, что соответствовало психофизическим данным у людей, рассматривающих одни и те же стимулы. Интересно, что когда вспышка прерывала последовательность движений, ретинотопический сдвиг в V4 сохранялся, подтверждая неправильную локализацию интеграции цвета и признаков движения.Однако люди, сообщившие о местоположении вспышки в завершающем состоянии, не ошиблись в локализации вспышки. В предыдущих исследованиях использовались байесовские схемы для учета различных аспектов обработки реальных и иллюзорных движений (Jacobs, 1999; Weiss et al., 2002; Lisi and Cavanagh, 2015; Gershman et al., 2016; Hui et al., 2020; Yang et al.). др., 2021). Основываясь на этих исследованиях, Sundberg et al. (2006) предполагают, что эта неправильная локализация, зависящая от движения, в продолжающемся, но не завершающемся состоянии согласуется с байесовской моделью сенсорной интеграции (см.: Knill, 2007; Vilares and Kording, 2011), поддерживаемой ретинотопической неправильной локализацией в нейронах области V4.Положение цветной вспышки в области V4 и положения движущихся полос в областях движения, таких как МТ, интегрируются вместе, чтобы дать совместную оценку вероятности цветной вспышки по отношению к последовательности движения. Сандберг и др. (2006) утверждают, что наличие или отсутствие сдвига, наблюдаемого в продолжающемся и завершающемся состоянии, является результатом этой интеграции, когда представление вспышки (ответы V4) искажает совместную оценку в продолжающемся состоянии, что приводит к большим сдвигам восприятия. .Однако в завершающем состоянии нет никаких представлений для каких-либо дальнейших положений полосы, и, таким образом, совместная оценка приводит к достоверному представлению местоположения вспышки.

В настоящем исследовании мы исследовали, влияет ли изменение цвета изолюминанта (красный, зеленый, желтый или синий) вспышки на ее неправильную локализацию. Мы предположили, что в байесовской системе цвета, связанные с более сильным захватом внимания, то есть красный цвет (Черников и Фаллах, 2010; Фортье-Готье и др., 2013), будет иметь больший вес, что приведет к уменьшению ошибки неправильной локализации вспышки. Более того, характер цветовых сдвигов позволил бы определить, какой основной механизм управляет восприятием: внутренняя цветовая иерархия (Черников и Фаллах, 2010), которая требует представления цветового пространства, или «всплывающие» преимущества визуального поиска красного и синего цветов (Pomerleau et al. ., 2014), которые, вероятно, зависят от эффектов цветового противостояния.

Методы

Участники

Двадцать четыре студента бакалавриата (17 женщин и 7 мужчин в возрасте 18–43 лет) завершили обучение для получения кредита по курсу.Исследование было одобрено Комитетом по исследованию участников Йоркского университета. Все участники не знали цели исследования, имели нормальную или скорректированную до нормальной остроту зрения и нормальное цветовое зрение (Ishihara, 2006). Все участники дали письменное информированное согласие до участия.

Парадигма

Участники сидели в тускло освещенной комнате, положив голову на подставку для подбородка на расстоянии 84 см от 18-дюймового ЭЛТ-монитора (обновление 60 Гц, 1024 × 768). Положение глаз отслеживали с помощью инфракрасной системы слежения за глазами (ISCAN, Inc.ETL-400), а экспериментальным контролем занималась Presentation (Neurobehavioral Systems). Фон темно-серый (CIE x = 0,35, y = 0,56; 0,365 кд/м 2 ) со светло-серым фиксационным крестом (0,34° на 0,34° CIE x = 10,83, y = y 16,25; 11,93 кд/м 2 ) в центре дисплея.

Стимул состоял из набора из 20 полос (3,3° на 0,3°), расположенных на расстоянии 0,8° друг от друга и представленных на 4° ниже фиксационного креста (рис. 1).Кажущиеся последовательности движения были созданы полосами, последовательно появляющимися в течение 2 кадров, с 2 кадрами пустого времени между ними, движущимися либо влево, либо вправо. Индуцирующие полосы были светло-серыми, что соответствовало фиксационному кресту (CIE x = 10,83, y = 16,25; 11,93 кд/м 2 ). Мишень, цветная полоса, выбранная из четырех фотометрически изолюминесцентных цветов (12 кд/м 2 ; красный x = 27,57, y = 1,804; зеленый x = 6.007, и = 2,516; Желтый х = 12,24, у = 2,379; Синий x = 27,08, y = 139,3) появился в одном из 11 центральных положений (рис. 1А). В соответствии с предыдущими исследованиями цветовых модуляций зрительной или когнитивной обработки фотометрическая изосветимость была необходима для определения модулирующих эффектов отдельных цветов, поскольку перцептивная изосветимость включала бы эти эффекты (а также другие) в результирующую перцептивную яркость для каждого цвета.

Рисунок 1 . Схема стимула и пробная презентация образца. (A) Последовательность видимого движения, состоящая из 20 серых прямоугольных полос, перемещаемых либо влево (не показано), либо вправо. Одна из центральных 11 позиций была представлена ​​одним из 4 изолюминатных цветов (красным, зеленым, желтым и синим). (B) Экспериментальный протокол испытаний, изображающий испытания траектории завершающего и продолжающегося движения образца. Для каждого пути движения (заканчивающегося или продолжающегося) тестировалось каждое из 11 положений центральной полосы с использованием обоих направлений и всех 4 цветов.Участники сообщали о местоположении цветной вспышки, щелкая мышью, которая могла двигаться только горизонтально по пути движения. Обратите внимание, что пунктирные белые линии не появились на экране.

В состоянии завершения, как только появилась цветная полоса, последовательность движений была прекращена таким образом, что этот мигающий элемент был представлен последней полосой (рис. 1B). В продолжающемся состоянии полоса появлялась во всех 20 позициях (рис. 1В). Если участник нарушал фиксацию во время предъявления стимула, испытание прекращалось звуковым предупреждением и возвращалось в тот же блок.

В конце последовательности кажущегося движения, если фиксация была успешно сохранена, светло-серая полоса курсора (0,55° на 0,3°) (CIE x = 10,83, y = 16,25; 11,93 кд/м 2 ) появился на 4° ниже фиксации. Мышь могла перемещать курсор по горизонтали, но не по вертикали. Исходное положение курсора было рандомизировано по длине массива стимулов (от -12,29 до +12,29°). Используя мышь, участники сообщали о положении цветной вспышки-мишени, перемещая курсор в предполагаемое место и щелкая.Участники не получили никаких отзывов о точности своих ответов.

Участники прошли 4 блока испытаний с калибровкой слежения за глазами в начале каждого блока и по мере необходимости во время эксперимента. В каждом блоке участники выполнили 176 испытаний, по одному для каждого из 11 целевых мест вспышки, пересекаемых каждым из 4 целевых цветов, 2 траекториями движения (заканчивающимися или продолжающимися) и обоими направлениями движения (влево или вправо).

Анализ данных

Чтобы изучить влияние цвета на величину эффекта скачка вспышки, было вычислено горизонтальное расстояние (dva) между местом, где целевая вспышка, и воспринимаемым местоположением, таким образом, чтобы положительное расхождение было вперед, а отрицательное расхождение назад вдоль направление видимого движения.Несоответствие между местоположением цели и реакцией было свернуто отдельно для конечных и продолжающихся условий во всех 11 возможных положениях вспышки и в обоих направлениях движения. Средние значения популяции были получены из медианных сдвигов в воспринимаемых местах вспышки для каждого участника. Одновыборочные односторонние t -критерии, скорректированные для множественных сравнений с использованием пошагового применения метода Бонферрони (Benjamini and Hochberg, 1995), использовались для исследования того, были ли средние сдвиги местоположения вспышки значительно смещены вперед от нуля.Чтобы исследовать цветовые различия в точности ответов локализации, мы вычислили 95% доверительные интервалы (ДИ) распределения ответов положения (горизонтальное положение) для каждого пути движения и цвета вспышки по участникам, как это было сделано ранее для движения глаз и целевые исследования охвата (Henriques et al., 2003; Khan et al., 2005; Ren et al., 2006; Blohm and Crawford, 2007). Верхняя граница была вычтена из нижней границы 95% ДИ, чтобы получить предполагаемую ширину или диапазон в качестве показателя точности ответа.См. рис. 2 для схематического изображения аналитических показателей. Средние различия в смещениях неправильной локализации и показателях точности анализировались отдельно с использованием 4-кратного мигающего цвета (красный, зеленый, желтый, синий) X 2 пути движения (заканчивающегося, продолжающегося) повторных измерений ANOVA. Бенджамини и Хохберг (1995) применяли поправки к 90 583 апостериорным тестам из 90 584 для контроля множественных сравнений.

Рисунок 2 . Аналитические показатели. Для каждого пути движения и цвета вспышки точность реакции измерялась как среднее смещение между реальным местоположением (сплошная линия) и воспринимаемым местоположением (пунктирная линия) вспышки.Точность ответа измерялась как средний диапазон (верхняя-нижняя граница) 95% доверительных интервалов для воспринимаемых сдвигов. Точность и прецизионность, изображенные здесь, основаны на средних показателях для желтых вспышек в продолжающихся условиях. Обратите внимание, что расстояние между стержнями преувеличено для иллюстрации.

Результаты

Средняя разница между действительным и воспринимаемым участниками местоположением была рассчитана для каждого цвета вспышки в продолжающихся и завершающих условиях, перечисленных в таблице 1 и показанных на рисунке 3.Одновыборочные односторонние t -тесты показали, что сообщаемые местоположения вспышек были постоянно и значительно смещены вперед по пути движения для всех цветов в условиях непрерывного пути (все большие размеры эффекта по Коэну d), а также завершающие состояние пути (все скорректированные p ‘s < 0,05, красный и желтый: небольшие размеры эффекта, зеленый и синий: средние размеры эффекта).

Таблица 1 . Среднее смещение (dva) местоположения вспышки и значения значимости (скорректированное p -значение, коэновское d) для каждой траектории движения.

Рисунок 3 . Воспринимаемые сдвиги. Среднее значение сдвига ± SEM (dva) в воспринимаемом местоположении вспышки как для конечного, так и для продолжающегося пути движения. Положительные значения соответствуют сдвигу вперед по направлению движения. Исправлено ** p < 0,01, *** p < 0,001.

Чтобы определить, модулируются ли величины неправильных локализаций мгновенных прыжков цветом, был проведен дисперсионный анализ 4 (цвет вспышки: красный, зеленый, синий, желтый) X 2 (траектория движения: завершение, продолжение) повторных измерений.

В соответствии с предыдущими исследованиями иллюзии мгновенного прыжка мы обнаружили значительный главный эффект для траектории движения [ F (1, 69) = 60,504, p < 0,001, ηp2 = 0,725] с гораздо меньшим неправильная локализация в завершающем [ M (SD) = 0,20 (0,39)] по сравнению с продолжающимся [ M (SD) = 1,33 (0,83)] условием движения. Подтверждая нашу гипотезу, имел место основной эффект цвета вспышки [ F (3, 69) = 7,709, p < 0.001, ηp2 = 0,251], показывая, что изолюминантный цвет вспышки влиял на величину скачка. Наблюдалось значительное взаимодействие между траекторией движения и цветом вспышки [ F (3, 69) = 9,731, p < 0,001, ηp2 = 0,297], что является результатом более сильной цветовой модуляции при локализации вспышки на пути продолжающегося движения чем в конечной траектории движения.

Для дальнейшего исследования были проведены отдельные однофакторные ANOVA для каждого состояния траектории движения.В условиях продолжающегося пути снова наблюдался значительный основной эффект цвета вспышки, F (3, 69) = 11,000, p <0,001, ηp 2 = 0,324. Неправильная локализация была меньше для красного [ M (SD) = 1,23 (0,82)] и синего [ M (SD) = 1,21 (0,81)], чем для зеленого [ M (SD) = 1,43 (0,90)] и желтый [ M (SD) = 1,45 (0,80)] мигает. Запланированные попарные сравнения с поправками Бенджамини-Хохберга не показывают существенных различий между красным и синим (с поправкой p = 0.86) или зеленый и желтый (скорректированные p = 0,822), но все остальные цветовые различия были значительными (скорректированные p s < 0,003) (рис. 3). Эта закономерность результатов была устойчивой для разных людей: 19 из 24 участников продемонстрировали меньшие сдвиги для красных вспышек по сравнению с зелеными вспышками, а 21 из 24 участников продемонстрировали меньшие сдвиги для синих вспышек по сравнению с желтыми вспышками.

В условиях завершающего пути, где общий эффект мгновенного перехода был небольшим [ M (SD) = 0.20 (0,39)], по-прежнему наблюдался значительный основной эффект вспышки цвета, [ F (3, 69) = 4,190, p = 0,009, ηp 2 = 0,154]. Наименьший сдвиг наблюдался для красного [ M (SD) = 0,14 (0,37)], затем следуют желтый [ M (SD) = 0,19 (0,43)], зеленый [ M (SD) = 0,21 (0,37)]. )], и синий [ M (SD) = 0,27 (0,39)] мигает. Запланированные попарные сравнения показывают значительную разницу между красным и обоими зелеными (исправлено p = 0.009) и синие вспышки (исправлено p = 0,009). Ни один из других контрастов существенно не отличался (все скорректированные 90 583 p 90 584 > 0,05) (рис. 3). Таким образом, картина результатов для четырех цветов различалась между продолжающимися и завершающими условиями (см. рис. 4 для сводки цветовых различий).

Рисунок 4 . Воспринимаемые сдвиги в расположении вспышки относительно положения полосы. Среднее смещение (цветная полоса) и средний диапазон 95% ДИ (цветная пунктирная линия) для каждого мигающего цвета и общее среднее значение для (A) продолжающихся и (B) завершающих путей движения.Обратите внимание, что вспышка появляется в позиции 0 такта, а последовательность видимого движения перемещается вправо. Расстояние между стержнями преувеличено для наглядности.

Чтобы изучить влияние цвета вспышки на изменчивость ответов, т. е. точность участников в локализации вспышки, были рассчитаны средние диапазоны 95% ДИ для каждого цвета вспышки в завершающих и продолжающихся условиях (рис. 5). A 4 (цвет мигания: красный, зеленый, синий, желтый) X 2 (траектория движения: завершение, продолжение) повторных измерений ANOVA был проведен для этой метрики точности.Отмечался значительный основной эффект пути движения [ F (1, 69) = 89,269, p < 0,001, ηp2 = 0,795] с более широким диапазоном 95% ДИ для продолжающегося [ M (SD) = 0,72 (0,24)] по сравнению с завершающим [ M (SD) = 0,46 (0,21)] условием движения, что предполагает более точное представление местоположения вспышки в завершающем состоянии. В отличие от сдвигов восприятия, не было статистически значимых различий в средних диапазонах 95% ДИ, основанных на цвете вспышки [ F (3, 69) = 2.283, p = 0,087, ηp2 = 0,090] или статистически значимое взаимодействие между траекторией движения и цветом вспышки [ F (3, 69) = 2,256, p = 0,09, ηp2 = 0,089].

Рисунок 5 . Цветовая модуляция изменчивости реакции в иллюзии мгновенного прыжка. Точность ответов измерялась как средний диапазон 95% ДИ ± SEM и отображалась как функция цвета вспышки для каждой траектории движения. Линии представляют цветовые различия, не скорректированные для множественных сравнений.

Как и в случае с анализом сдвига восприятия, мы затем выполнили отдельные односторонние ANOVA для каждой траектории движения. В условиях непрерывного пути наблюдался значительный основной эффект вспышки цвета [ F (3, 69) = 2,879, p = 0,042, ηp2 = 0,111], с меньшей изменчивостью реакции на красный [ M ( SD) = 0,695 (0,25)] и синего [ M (SD) = 0,690 (0,23)] вспышек по сравнению с большей вариабельностью реакции для зеленого [ M (SD) = 0,77 (0,25)] и желтого [ М (СО) = 0.74 (0,25)] мигает. Качественно картина цветовых эффектов соответствует картине, наблюдаемой при сдвигах восприятия, при этом красные и синие вспышки приводили к более точному представлению местоположения вспышки по сравнению с зеленым и желтым. Эта закономерность результатов была надежной для разных людей, поскольку 17 из 24 участников дали более точные оценки местоположения вспышки для красного по сравнению с зелеными вспышками, а 18 из 24 участников дали более точные оценки для синего по сравнению с желтыми вспышками. Апостериорные тесты с поправками Бенджамини-Хохберга для множественных сравнений не выявили существенной разницы в диапазонах 95% ДИ для всех цветов вспышки (все скорректированные p ≥ 0,054). Учитывая существенное основное влияние цвета вспышки на точность ответа, то, как шаблон качественно соответствует сдвигам восприятия, и более высокую изменчивость самой метрики точности, были также проведены нескорректированные попарные сравнения, чтобы выявить роль статистической мощности. Мы обнаружили значительную разницу в диапазонах 95% ДИ между красным и желтым (без поправки p = 0.043) и зеленых и синих вспышек ( без поправок p = 0,009), в то время как все остальные контрасты были незначительными ( без поправок p > 0,05), подтверждая качественную картину цветовых модуляций (рис. 5).

Для конечного пути движения основное влияние цвета вспышки на изменчивость ответа не было статистически значимым [ F (3, 69) = 1,481, p = 0,227, ηp2 = 0,061]. Мы провели запланированные попарные сравнения, не обнаружив существенной разницы между средними диапазонами 95% ДИ для всех цветовых контрастов (исправлено 90 583 p 90 584 > 0.05) (Рисунок 5). Подобно результатам перцептивного сдвига, картина цветовых модуляций на изменчивость ответа различалась между двумя путями движения.

Обсуждение

Мы обнаружили больший сдвиг в неправильной локализации вспышки в продолжающемся состоянии по сравнению с завершающим состоянием, что согласуется с предыдущим исследованием эффекта скачка вспышки (Sundberg et al., 2006). Эти результаты согласуются с другими исследованиями сдвигов положения, вызванных движением, таких как связанная с ними иллюзия запаздывания вспышки, когда эффект не наблюдается или не уменьшается в состоянии прекращения вспышки, но сохраняется, если вспышка произошла в начале или во время движения. последовательности (Khurana and Nijhawan, 1995; Eagleman and Sejnowski, 2000; Kanai et al., 2004; Ниджхаван и др., 2004 г.; Ватанабе, 2004). Отсутствие сигналов движения после вспышки в завершающем состоянии позволяет более достоверно предсказать положение вспышки, поскольку нет последующих полос. Описанные ранее цветовые модуляции когнитивных функций предполагали, что цвет может естественным образом модулировать внимание и когнитивные процессы в отсутствие требований задачи (Lindsey et al., 2010; Tchernikov and Fallah, 2010; Fortier-Gauthier et al., 2013; Pomerleau et al. и др., 2014; Blizzard и др., 2017). В текущем исследовании мы стремились выяснить, зависят ли такие цветозависимые модуляции от байесовских процессов восприятия в зрительной системе или эти цветовые модуляции являются результатом ассоциативного обучения только для определенных исполнительных функций более высокого порядка. Мы предположили, что если бы разные цвета имели разные веса с точки зрения байесовских априорных значений, то цвет модулировал бы силу эффекта мгновенного скачка.

В соответствии с этой гипотезой цвет вспышки оказал значительное влияние на ее воспринимаемое местоположение.Участники продемонстрировали как повышенную точность (т. е. более достоверные отчеты о местоположении вспышки), так и повышенную точность (т. е. меньшую изменчивость ответов) в локализации вспышки, когда она была красной или синей по сравнению с зеленым и желтым цветом. При сравнении цветов, чем меньше неправильная локализация, тем выше точность определения места вспышки, что позволяет предположить, что цвет вспышки модулирует силу ее представления в зрительной системе. Это предлагаемое преимущество в репрезентативной силе согласуется с преимуществом, обнаруженным для красных или синих всплывающих целей при визуальном поиске (Lindsey et al., 2010). Также было небольшое преимущество прекращения красных вспышек по сравнению с другими цветами, такими как синий и зеленый, поскольку участники также более достоверно сообщали о своем местонахождении. Это небольшое улучшение точности для красных вспышек в завершающем состоянии может быть связано с более сильным весом красных сигналов при остановке, как было показано в исследованиях, посвященных торможению реакции (Blizzard et al., 2017; Ghasemian et al., 2021). Отсутствие существенных различий между другими цветами в прекращенном состоянии может быть связано с меньшей величиной сдвигов восприятия, когда вспышка завершает последовательность движения.В целом, красные и синие вспышки в условиях непрерывного движения дают более точное и достоверное представление о местоположении вспышки, чем зеленые или желтые, которым посвящены последующие разделы обсуждения.

Основной механизм эффектов цветовой модуляции

Далее мы рассмотрим различные механизмы, которые могут привести к цветовой модуляции эффекта скачка вспышки. Черников и Фаллах (2010) описали внутреннюю цветовую иерархию, в которой, когда участники автоматически преследовали одну из двух наложенных друг на друга поверхностей, отличающихся изолюминатным цветом, цвет определял, какая поверхность была выбрана, и скорость плавного преследования.Для выбора цели сила цветов максимальна для красного, за ним следуют зеленый, желтый и синий, в то время как скорость преследования основывается на расстоянии между двумя цветами в цветовом пространстве, свойстве цветового представления в области V4 (Li и др., 2014). Поскольку иллюзия мгновенного прыжка также отражается в ответах нейронов области V4 (Sundberg et al., 2006), неудивительно обнаружить, что цветовая иерархия определяет сдвиг восприятия и точность локализации вспышки в иллюзии мгновенного прыжка. .Тем не менее, участники текущего исследования показали другую картину, чем цветовая иерархия, поскольку их сдвиги восприятия были меньше как для красного, так и для синего, чем для зеленых и желтых непрерывных вспышек. Следовательно, цветовая иерархия не отражает дифференциальную силу цветов при объединении с движением в иллюзии мгновенного прыжка.

Поскольку и красный, и синий дают более достоверную и точную локализацию вспышки по сравнению с зеленым и желтым, это может вместо этого отражать теорию противоположного процесса (Hering, 1964), основанную на цветовых каналах противоположного цвета; красный против.зеленый и синий против желтого, где каждый цвет в паре подавляет другой. Однако цветовая оппозиция по своей сути не предсказывает, какой цвет каждой пары будет сильнее. Результаты этого исследования согласуются с теорией противоположного процесса и также предполагают, что красный цвет доминирует над зеленым, а синий над желтым. В соответствии с этим выводом ранее было обнаружено преимущество красного над зеленым для торможения реакции в задаче на стоп-сигнал (Blizzard et al., 2017), однако зеленый и желтый не тестировались.Интересно отметить, что соотношение сдвигов восприятия между красным и зеленым (0,86) качественно аналогично разнице между синим и желтым (0,83), что позволяет предположить, что каждая пара противников может иметь одинаковый вес. Однако для полного понимания относительного веса цветов в каждой паре противников потребуются дальнейшие исследования. Поскольку V4 является последней стадией, которая получает информацию о цветовом противопоставлении (Conway, 2009), этот вход, вероятно, модулирует селективные по цвету реакции нейронов, вызывая перцептивный сдвиг в иллюзии мгновенного прыжка.

Сдвиг положения, вызванный движением

Иллюзия мгновенного прыжка — одно из многих явлений, связанных со сменой положения, вызванной движением; другие связанные примеры включают мгновенное отставание (Nijhawan, 1994; Whitney and Murakami, 1998; Eagleman and Sejnowski, 2007; Khoei et al., 2017), мгновенное захват (Sinico et al., 2009; Cavanagh and Anstis, 2013) , эффекты мгновенного перетаскивания (Whitney and Cavanagh, 2000; Murai and Murakami, 2016). Для объяснения таких ошибок неправильной локализации, связанных с движением, было предложено несколько объяснений, включая дифференциальную задержку, дискретную выборку, смещение движения и гипотезы экстраполяции движения; обзор известных теорий (см. Nijhawan, 2002; Hubbard, 2014).Результаты текущего исследования дают возможность провести различие между этими гипотезами, поддерживая те, которые могут интегрировать эффекты цветовой модуляции, и опровергая те, которые не могут.

Гипотеза дифференциальной задержки, предложенная Уитни и Мураками (1998), постулирует, что движущиеся цели обрабатываются быстрее, с более короткими нейронными задержками, чем неподвижные мигающие цели (Cai and Schlag, 2001; Jancke et al., 2004; Subramaniyan et al., 2018). ). Принимая во внимание эффект вспышки-запаздывания , к тому времени, когда воспринимается статическая вспышка, движущийся стержень воспринимается как находящийся дальше по своей траектории.В предыдущих исследованиях сообщалось о временных различиях в обработке цветов и движений (Moutoussis and Zeki, 1997; Viviani and Aymoz, 2001). Однако для того, чтобы гипотеза о дифференциальной задержке могла объяснить цветовую модуляцию эффекта прыжка со вспышкой , разница в задержке между цветом и движением должна варьироваться в зависимости от цвета вспышки, что потребует обработки разных цветов с разной задержкой. . Косвенные доказательства, противоречащие этой версии, исходят от Blizzard et al.(2017), где было продемонстрировано, что время реакции не модулировалось по-разному в зависимости от цвета сигнала «начало», как в случае, когда цвет не имел отношения к задаче, так и когда цвет использовался в качестве дискриминатора для выбора ответа. Диапазон различий в локализации между красными/синими и зелеными/желтыми вспышками составляет 0,2–0,24°, что соответствует латентным различиям между цветами ~17–20 мс. В то время как нейрофизиологические подходы не выявили различий такой величины в латентности нейронов для разных цветов в области V4 (т.g., Chang et al., 2014), будущие нейрофизиологические исследования должны будут точно измерить задержки цвета в нескольких областях вдоль вентрального зрительного потока для дальнейшей проверки гипотезы дифференциальной задержки.

Совсем недавно Schneider (2018) предложил гипотезу дискретной выборки, которая утверждает, что визуальная система производит выборку входных данных в дискретные моменты или временные окна, каждое с продолжительностью D. Эта гипотеза дискретной выборки предполагает, что во время иллюзии мгновенного прыжка изменение цвета происходит в определенный момент времени в течение одного момента или окна выборки; однако местоположение движущейся цели записывается как ее конечное положение в пределах этого временного окна.Согласно этой гипотезе, цветная вспышка будет смещена на D/2 по сравнению с ее фактическим временем возникновения. Гипотеза дискретной выборки является модификацией теории дифференциальной задержки, поскольку обе предполагают временные различия в обработке информации о цвете и движении. Однако гипотеза дискретной выборки разделяет информацию о цвете и движении на дискретные моменты на основе этих различий в задержке. Если разница латентности между двумя событиями (т. е. изменением цвета и движением) мала, они регистрируются в один и тот же момент и, таким образом, воспринимаются вместе, но если разница латентности между цветом и движением велика, то эти два события регистрируются в разные моменты, что приводит к эффекту мгновенного прыжка.Основываясь на скорости видимой последовательности движений, средний эффект мгновенного скачка в 1,33° соответствует разнице в задержке ~111 мс, что согласуется с дискретной выборкой. Однако гипотеза дискретной выборки в настоящее время не предсказывает различий в воспринимаемых сдвигах положения на основе цвета вспышки, поскольку выборка различается между модальностями, а не между отдельными цветами. Чтобы эта теория могла объяснить зависимую от цвета модуляцию воспринимаемого смещения местоположения вспышки, поскольку продолжительность каждого момента восприятия не будет зависеть от цвета вспышки, должны быть различия в задержке между вспышками разных цветов, которые будут смещаться. зеленый и желтый в более поздний дискретный момент, чем красный и синий.Хотя в настоящее время нет данных о различных латентных периодах для разных цветов (Chang et al., 2014; Blizzard et al., 2017), если будущие нейрофизиологические исследования обнаружат различия в латентных периодах в областях цветового оппонента, и эти различия будут достаточно большими, чтобы вызвать различные цветные вспышки попадают в разные моменты времени, тогда гипотеза дискретной выборки потенциально может объяснить зависящую от цвета модуляцию эффекта мгновенного скачка.

Теории временной интеграции сдвигов положения, вызванных движением, в иллюзии задержки вспышки (Brenner and Smeets, 2000; Eagleman and Sejnowski, 2000) предполагают, что оценки положения вычисляются на основе информации, которая собирается в течение периода времени после вспышки.Эта гипотеза постдикции или смещения движения постулирует, что вспышка вызывает начало окна интеграции движения, в котором информация о положении движущейся цели собирается в течение еще от ~60 мс (Brenner and Smeets, 2000) до ~80 мс (Eagleman). и Sejnowski, 2000, 2007) после вспышки. Поэтому конечное положение цветной вспышки смещается по траектории движения сигналами, поступающими в ближайшие ~60–80 мс. Чтобы эта гипотеза учитывала зависящие от цвета модуляции эффекта скачка вспышки, разные цвета должны были бы либо инициировать начало окна интегрирования в разное время, либо создавать различную продолжительность окна интегрирования.Учитывая, что цвета модулируют ресурсы внимания (Черников и Фаллах, 2010), сила внимания различных цветов может аналогичным образом модулировать окно интеграции. С точки зрения цветовой иерархии внимания красный является самым сильным, а синий — самым слабым из четырех протестированных цветов (Черников и Фаллах, 2010). Зависимая от цвета модуляция внимания окна интеграции тогда предсказывала бы меньшее смещение для красного, чем для зеленого или желтого, как было обнаружено в этом исследовании, но также и для того, чтобы синий вызывал наибольший сдвиг.Напротив, текущее исследование показало, что синий (а также красный) вызывает меньшие сдвиги, чем зеленый и желтый. Следовательно, включение иерархии цветов внимания в гипотезу постдикции не может объяснить текущие результаты.

Счет экстраполяции движения утверждает, что воспринимаемое положение движущейся цели экстраполируется вперед по ее траектории на основе ее предыдущей истории, чтобы компенсировать нейронные задержки в обработке (Nijhawan, 1994). Совсем недавно для объяснения экстраполяции движения использовались байесовские модели локализации объектов (Lisi and Cavanagh, 2015; Khoei et al., 2017; Хуэй и др., 2020). Например, Лизи и Кавана (2015) предположили, что ранее воспринятое местоположение движущегося объекта становится байесовским априором для оценки его предстоящего движения. Точно так же гипотеза пародии предполагает, что зрительная система предсказывает конечное положение объекта как его наиболее вероятное положение (Khoei et al., 2017). Обе эти байесовские модели объединяют сенсорную информацию с внутренним априорным распределением, чтобы получить функцию распределения вероятностей положения объекта.Далее мы опишем, как расширения этих байесовских моделей обеспечивают структуру, с помощью которой цвет может модулировать степень эффекта мгновенного скачка.

Байесовская модель

Байесовские модели восприятия предполагают, что если ввод разреженный, переменный или зашумленный (визуальный или перцептивный шум), зрительная система делает прогноз, ориентируя свое восприятие на типичные объекты или представления, основанные на априорных данных (Knill and Richards, 1996; Rao et al., 2002; Kersten and Yuille, 2003; Kersten et al., 2004; Фельдман, 2012). Поскольку уже есть работа, поддерживающая байесовские рамки для обработки движения (Jacobs, 1999; Weiss et al., 2002; Lisi and Cavanagh, 2015; Gershman et al., 2016; Hui et al., 2020; Yang et al., 2021). , Сандберг и др. (2006) предложили аналогичный байесовский подход для оценки местоположения вспышки относительно местоположения бара в парадигме мгновенного прыжка. Авторы наблюдали ретинотопический сдвиг в селективных по цвету нейронах V4 как для терминирующих, так и для продолжающихся состояний и предположили, что этот ретинотопический сдвиг в клетках V4 обеспечивает физиологическую основу для нашего восприятия эффекта мгновенного скачка.Хотя ретинотопический сдвиг наблюдался для обоих состояний, с точки зрения восприятия люди не сообщают о больших неправильных локализациях в завершающем состоянии. Поэтому, чтобы объяснить это несоответствие, Sundberg et al. (2006) предложили байесовскую модель сенсорной интеграции, в которой смещенное представление вспышки (ответы V4) интегрируется с представлением всех представленных позиций полос (вероятно, возникающих в более поздней стадии нечувствительной к цвету области), что приводит к совместной оценка вероятности вспышки относительно фактического местоположения бара.В продолжающемся состоянии нечувствительные к цвету области сохраняют расположение всех столбцов в последовательности, поскольку все местоположения были представлены, поэтому результирующая совместная функция вероятности представляет собой сдвинутое положение, о котором сигнализирует неправильная локализация в нейронах V4. Однако в завершающем состоянии полосы за пределами вспышки не отображаются, поэтому нет никаких представлений для каких-либо дополнительных положений полос в нечувствительных к цвету областях. Когда сдвинутое представление вспышки из области V4 интегрируется с этим представлением местоположений столбцов завершенных состояний, результирующая совместная оценка вероятности ограничивается достоверным местоположением, что приводит к отсутствию перцептивного сдвига в завершающем состоянии.

Мы предлагаем модификацию этой байесовской модели, чтобы объяснить, как представление вспышки в области выбора цвета (например, область V4) неверно локализовано и как цвет модулирует величину этого сдвига. Мы предполагаем, что неправильная локализация V4, о которой сообщают Sundberg et al. (2006) создается с помощью более ранней байесовской структуры для интеграции признаков, где сигнал экстраполяции движения комбинируется с цветовым сигналом, который взвешивается по-разному в зависимости от априорных значений цвета.

На рис. 6 показаны гипотетические распределения вероятностей для мест вспышек в продолжающихся условиях для красных, зеленых, синих и желтых вспышек. Пунктирная черная кривая иллюстрирует оценку положения движения в начале вспышки, возникающую из области, избирательно движущейся, такой как МТ. Обратите внимание, что оценка положения движения опережает направление движения во время вспышки из-за предшествующей экстраполяции движения (Nijhawan, 1994; Sundberg et al., 2006; Lisi and Cavanagh, 2015; Khoei et al., 2017; Хуэй и др., 2020). Антероградные и ретроградные трассерные исследования подтвердили наличие двунаправленных связей между областью MT и V4 (Ungerleider and Desimone, 1986; Ungerleider et al., 2008). Было также показано, что эта информация о движении, поступающая в V4, модифицирует избирательность и ответы нейронов V4 (Tolias et al., 2005). Поэтому мы предполагаем, что неправильная локализация в ответах V4 (Sundberg et al., 2006) возникает из-за интеграции входящих сигналов движения с входящей взвешенной информацией о цветовом противнике.В начале вспышки представление движения полосы (из областей, выбранных для движения), которое смещено вперед из-за экстраполяции движения (черная пунктирная кривая на рисунке 6), интегрируется с представлением цветной вспышки (из цветных ячеек-противников) в ее истинной точке. местоположения (цветная пунктирная кривая на рис. 6), что приводит к апостериорному распределению вероятностей (сплошная цветная кривая на рис. 6), которое смещено вперед. Зависимая от цвета модуляция эффекта скачка вспышки зависит от представления вспышки (цветная пунктирная кривая), взвешенной по-разному в зависимости от цвета.Пунктирная цветная кривая иллюстрирует оценку местоположения вспышки (т. е. области выбора цвета) в начале вспышки для каждой из красных, зеленых, синих или желтых вспышек, при этом высота кривой представляет вес этого представления. . Основываясь на наших результатах, более сильные цвета (красный и синий) имеют больший вес, чем более слабые (желтый и зеленый). Разница во взвешенных априорных значениях для этих цветов, вероятно, связана с вводом цветовой оппозиции, где красный в красном vs.зеленый и синий в синем по сравнению с желтым являются более сильными цветами пар, даже при изосветимости. Результирующая функция плотности вероятности (обозначенная сплошными кривыми на рис. 6) меньше смещена вперед для красного и синего, что приводит к тому, что прогнозируемое местоположение вспышки ближе к ее истинному местоположению, но больше сдвинута для желтого и зеленого, что приводит к большей неправильной локализации или скачок вспышки. Таким образом, интеграция сигналов противника движения и цвета приводит к неправильно локализованным ответам в нейронах области V4, а это означает, что интегрированные функции распределения вероятностей из нашей модели (закрашенные кривые) соответствуют смещенному цветовому сигналу V4 в модели, предложенной Сандбергом и др. .(черные кривые на рисунке 4 Sundberg et al., 2006). Как предложили Сандберг и его коллеги, этот смещенный сигнал V4 затем интегрируется с фактическими местоположениями полос (представленными в нечувствительной к цвету области более поздней стадии) во втором байесовском процессе, чтобы дать оценку местоположения вспышки относительно продолжающихся или прекращающихся условий. Поскольку мы также наблюдали небольшие неточности локализации в прекращенном состоянии, мы предполагаем, что, как и в случае продолжающегося состояния, представление конечного положения стержня в прекращенном состоянии также будет немного смещено вперед из-за экстраполяции движения (Lisi and Cavanagh, 2015; Khoei и другие., 2017). Затем, когда взвешенная по цвету информация о вспышке интегрируется с этой оценкой движения, функция плотности вероятности будет модулировать цвет вокруг слегка смещенной неправильной локализации, что согласуется с нашими результатами восприятия. Поскольку неправильная локализация мгновенного скачка обнаружена в ответах нейронов области V4 (Sundberg et al., 2006), этот предложенный механизм предсказывает, что цветовая модуляция также будет отражаться в области V4, где неправильная локализация будет варьироваться в зависимости от цвета нейронов. flash, хотя для подтверждения этого потребуются дальнейшие исследования.В более общем плане эти результаты подтверждают, что восприятие и интеграция функций следуют байесовской модели.

Рисунок 6 . Иллюстрация байесовской модели цветовой модуляции. Пунктирная черная кривая изображает зависящее от экстраполяции движения представление положения движущейся полосы в начале вспышки. Пунктирная цветная кривая изображает оценку местоположения вспышки в начале вспышки для красных, зеленых, синих и желтых вспышек, при этом высота представляет собой вес этой оценки.Интеграция этих двух сигналов изображена сплошной кривой, которая представляет собой функцию плотности вероятности для неправильной локализации вспышки, представленной ответами нейронов V4. Обратите внимание, что на этой иллюстрации показано постоянное мигание, когда полоса движется вправо, а расстояние между полосами для наглядности увеличено.

Заключение

Эти результаты показывают, что цвет вспышки модулирует ее воспринимаемое местоположение в иллюзии мгновенного прыжка, влияя как на точность, так и на показатели точности.В частности, красные и синие вспышки на траектории продолжающегося движения локализуются более точно и с меньшим иллюзорным смещением, чем зеленые и желтые, вероятно, на основе механизмов цветового оппонента, которые обеспечивают ввод в область V4, область, ранее показанная для кодирования неверно локализованного положения. вспышки. Мы предлагаем байесовскую структуру, которая объединяет априорные значения оппозиции цветов и априорные экстраполяции движения, чтобы создать иллюзию мгновенного прыжка. Цвет вспышки смещает вес приоры; что приводит к разным уровням неправильной локализации, основанным на сильных сторонах разных цветов, где красный и синий имеют более сильное представление, чем зеленый и желтый.Это дополнительная поддержка восприятия и интеграции функций, зависящих от байесовских механизмов.

Заявление о доступности данных

Необработанные данные, подтверждающие выводы этой статьи, будут предоставлены авторами без неоправданных оговорок.

Заявление об этике

Исследования с участием людей были рассмотрены и одобрены Комитетом по исследованию участников Йоркского университета. Пациенты/участники предоставили письменное информированное согласие на участие в этом исследовании.

Вклад авторов

HS написал рукопись, собрал и проанализировал данные. HJ разработал эксперимент и анализ данных, запрограммировал эксперимент и отредактировал рукопись. MF разработал эксперимент, анализ данных и отредактировал рукопись. Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Эта работа финансировалась за счет магистерской стипендии Vision: Science To Applications (VISTA) для HS и гранта RGPIN-2016-05296 Совета по естественным наукам и инженерным исследованиям Канады (NSERC) Discovery RGPIN-2016-05296 для MF.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Ссылки

Бенджамини Ю. и Хохберг Ю. (1995). Управление частотой ложных открытий: практичный и мощный подход к множественному тестированию. JR Stat. соц. Методология серии Б. 57, 289–300. doi: 10.1111/j.2517-6161.1995.tb02031.x

Полнотекстовая перекрестная ссылка | Академия Google

Близзард, С., Фьерро-Рохас, А., и Фаллах, М. (2017). Ингибирование реакции облегчается заменой красного на зеленый в парадигме стоп-сигнала. Перед. Гум. Неврологи. 10:655. doi: 10.3389/fnhum.2016.00655

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Кай Р. и Шлаг Дж. (2001). Новая форма иллюзорного соединения цвета и формы. Дж. Вис. 1:127а. дои: 10.1167/1.3.127

Полнотекстовая перекрестная ссылка | Академия Google

Иглман, Д.М. и Сейновски Т.Дж. (2007). Сигналы движения искажают суждения о локализации: единое объяснение иллюзий мгновенного запаздывания, мгновенного перетаскивания, мгновенного прыжка и Фролиха. Дж. Вис. 7:3. дои: 10.1167/7.4.3

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Фельдман, Дж. (2012). «Байесовские модели организации восприятия», в Oxford Handbook of Perceptual Organization , ed J. Wagemans (Oxford: Oxford University Press).

Академия Google

Фортье-Готье, Ю., Делл’аква, Р., и Жоликер, П. (2013). Эффект «красной тревоги» при визуальном поиске: данные электрофизиологии человека. Психофизиология 50, 671–679. doi: 10.1111/psyp.12050

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Гершман, С. Дж., Тененбаум, Дж. Б., и Якель, Ф. (2016). Обнаружение иерархической структуры движения. Виз. Рез. 126, 232–241. doi: 10.1016/j.visres.2015.03.004

Полнотекстовая перекрестная ссылка | Академия Google

Гасемян, С., Варданджани М.М., Шейбани В. и Мансури Ф.А. (2021). Цветовые иерархии в исполнительном контроле поведения обезьян. утра. Дж. Приматол . 83:e23231. doi: 10.1002/ajp.23231

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Grueschow, M., Polania, R., Hare, T.A., and Ruff, C.C. (2015). Автоматическое и зависящее от выбора представление значений в человеческом мозгу. Нейрон 85, 874–885. doi: 10.1016/j.neuron.2014.12.054

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Гельмгольц, Х.(1867 г.). Справочник по физиологической оптике . Лейпциг: Восс.

Академия Google

Энрикес Д.Ю., Медендорп В.П., Гилен С.С. и Кроуфорд Д.Д. (2003). Геометрические вычисления, лежащие в основе зрительно-моторной координации: ориентация двух глаз и головы. Экспл. Мозг Res. 152, 70–78. doi: 10.1007/s00221-003-1523-4

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Геринг, Э. (1964). Очерки теории светочувства. Кембридж, Массачусетс: Издательство Гарвардского университета.

Академия Google

Хуэй, Дж., Ван, Ю., Чжан, П., Цзе, П.У., и Кавана, П. (2020). Кажущееся движение вычисляется в перцептивных координатах. i-Perception 11:2041669520933309. дои: 10.1177/2041669520933309

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Исихара, С. (2006). Серия пластин, предназначенных для проверки цветового дефицита: краткое издание . Токио: Канехара Трейдинг Инк.

Академия Google

Янке, Д., Эрлхаген, В., Шенер, Г., и Динсе, Х. Р. (2004). Меньшие латентности для траекторий движения, чем для вспышек в популяционных реакциях первичной зрительной коры кошек. Дж. Физиол . 556, 971–982. doi: 10.1113/jphysiol.2003.058941

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Канаи, Р., Шет, Б.Р., и Симодзё, С. (2004). Остановка движения и изучение эффекта мгновенного запаздывания: пространственная неопределенность — ключ к неправильной локализации восприятия. Виз. Рез. 44, 2605–2619. doi: 10.1016/j.visres.2003.10.028

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Керстен Д., Мамасян П. и Юилле А. (2004). Восприятие объекта как байесовский вывод. Анну. Преподобный Психолог. 55, 271–304. doi: 10.1146/annurev.psych.55.0

.142005

Полнотекстовая перекрестная ссылка | Академия Google

Керстен, Д., и Юилле, А. (2003). Байесовские модели восприятия объектов. Курс. мнениеНейробиол . 13, 1–9. doi: 10.1016/S0959-4388(03)00042-4

Полнотекстовая перекрестная ссылка | Академия Google

Хан, А. З., Писелла, Л., Россетти, Ю., Вигетто, А., и Кроуфорд, Дж. Д. (2005). Нарушение ориентированного на взор обновления целей досягаемости у пациентов с двусторонним теменно-затылочным повреждением. Церебр. Кора 15, 1547–1560. doi: 10.1093/cercor/bhi033

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Книл, округ Колумбия (2007). «Байесовские модели интеграции сенсорных сигналов», в Bayesian Brain: Probabilistic Approach to Neural Coding , eds K.Доя, С. Исии, А. Пуже и Р. П. Н. Рао (Кембридж: The MIT Press), 189–206. doi: 10.7551/mitpress/9780262042383.003.0009

Полнотекстовая перекрестная ссылка | Академия Google

Нилл, округ Колумбия, и Ричардс, В. (ред.). (1996). Восприятие как байесовский вывод . Кембридж: Издательство Кембриджского университета doi: 10.1017/CBO9780511984037

Полнотекстовая перекрестная ссылка | Академия Google

Линдси Д. Т., Браун А. М., Рейнен Э., Рич А. Н., Кузьмова Ю. И. и Вулф Дж.М. (2010). Цветовые каналы, а не внешний вид цвета или цветовые категории, направляют визуальный поиск ненасыщенных цветовых целей. Психология. науч. 21, 1208–1214. дои: 10.1177/0956797610379861

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Ниджхаван, Р., Ватанабэ, К., Хурана, Б., и Шимодзё, С. (2004). Компенсация нейронных задержек зрительно-моторного поведения: нет доказательств более коротких афферентных задержек зрительного движения. Виз. Познан. 11, 275–298.дои: 10.1080/13506280344000347

Полнотекстовая перекрестная ссылка | Академия Google

Pomerleau, VJ, Fortier-Gauthier, U., Corriveau, I., Dell’Acqua, R., and Jolicœur, P. (2014). Специфичные для цвета различия в развертывании внимания для равносветящихся всплывающих цветов: свидетельство латеральных потенциалов. Междунар. Дж. Психофизиол . 91, 194–205. doi: 10.1016/j.ijpsycho.2013.10.016

Полнотекстовая перекрестная ссылка | Академия Google

Рао, Р. П. Н., Ольсхаузен, Б.А. и Левицкий М.С. (ред.). (2002). Вероятностные модели мозга: восприятие и нейронная функция . Кембридж, Массачусетс: MIT Press doi: 10.7551/mitpress/5583.001.0001

Полнотекстовая перекрестная ссылка | Академия Google

Рен, Л., Хан, А.З., Блом, Г., Энрикес, Д.Ю., Серхио, Л.Е., и Кроуфорд, Дж.Д. (2006). Проприоцептивное управление саккадами в координации глаз-рука. J. Нейрофизиол. 96, 1464–1477. doi: 10.1152/jn.01012.2005

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Шнайдер, К.А. (2018). Флэш-лаг, Фрёлих и связанные с ними иллюзии движения являются естественными последствиями дискретной выборки в зрительной системе. Перед. Психол. 9:1227. doi: 10.3389/fpsyg.2018.01227

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Синико, М., Паровель, Г., Каско, К., и Анстис, С. (2009). Воспринимаемое сокращение путей движения. Дж. Экспл. Психол. Гум. Восприятие. Выполнять. 35, 948–957. дои: 10.1037/a0014257

Полнотекстовая перекрестная ссылка | Академия Google

Субраманьян, М., Ecker, A.S., Patel, S.S., Cotton, R.J., Bethge, M., Pitkow, X., et al. (2018). Более быстрая обработка движения по сравнению с мигающими полосами у бодрствующей макаки V1 обеспечивает нейронный коррелят иллюзии задержки вспышки. J. Нейрофизиол. 120, 2430–2452. doi: 10.1152/jn.00792.2017

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Толиас, А.С., Келирис, Г.А., Смирнакис, С.М., и Логотетис, Н.К. (2005). Нейроны в области V4 макаки приобретают направленную настройку после адаптации к стимулам движения. Нац. Неврологи. 8, 591–593. дои: 10.1038/nn1446

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Виларес, И., и Кординг, К. (2011). Байесовские модели: структура мира, неопределенность, поведение и мозг. Энн. Н. Я. акад. науч. 1224, 22–39. doi: 10.1111/j.1749-6632.2011.05965.x

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Ватанабэ, К. (2004). Визуальная группировка по движению предшествует относительной локализации движущихся и мелькающих стимулов. Дж. Экспл. Психол. Гум. Восприятие. Выполнять. 30, 504–512. дои: 10.1037/0096-1523.30.3.504

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Weiss, Y., Simoncelli, E.P., и Adelson, E.H. (2002). Иллюзии движения как оптимальные восприятия. Нац. Нейроски . 5, 598–604. doi: 10.1038/nn0602-858

Полнотекстовая перекрестная ссылка | Академия Google

Уитни Д. и Мураками И. (1998). Разница в задержке, а не пространственная экстраполяция. Нац.Неврологи. 1, 656–657. дои: 10.1038/3659

Полнотекстовая перекрестная ссылка | Академия Google

Ян, С., Билл, Дж., Другович, Дж., и Гершман, С.Дж. (2021). Человеческое визуальное восприятие движения демонстрирует признаки байесовского структурного вывода. Науч. Респ. 11:3714. doi: 10.1038/s41598-021-82175-7

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

Использование Priors в MCMC — документация ESPEI 0.8.7.dev4+gc9df317

В байесовской статистике данные используются для обновления априорных распределений всех параметров для расчета апостериорных распределений.Базовое введение в априорную и байесовскую статистику можно найти в «Kruschke, J. (2014). Выполнение байесовского анализа данных: руководство с R, JAGS и Стэном. Академическая пресса». Более продвинутое лечение дано в «Gelman, A., Stern, H.S., Carlin, J.B., Dunson, D.B., Vehtari, A., & Rubin, D.B. (2013). Байесовский анализ данных. Чепмен и Холл/CRC».

ESPEI предоставляет гибкий интерфейс для указания априорных значений, которые вы хотите использовать для множества параметров разного знака и величины через espei.класс Priors.PriorSpec . В этом разделе рассказывается, как

  1. Определение гибких встроенных априорных значений с помощью ввода YAML и скрипта ESPEI

  2. Использование пользовательских априорных значений программно

Встроенная Приора

ESPEI имеет несколько встроенных приоров, которые соответствуют функциям в scipy.stats : униформа , нормальный и треугольный . Существует также специальный (неправильный) ноль , который всегда дает \(\ln p = 0\), что является значением по умолчанию.

Каждый предыдущий scipy.stats обычно указывается с использованием нескольких аргументов ключевого слова параметры, например loc и шкала , которые имеют особое значение для различные функции распределения. Чтобы гибко указывать эти аргументы, когда CALPHAD параметры, для которых они будут использоваться, заранее неизвестны, ESPEI использует небольшой язык, чтобы указать, как гиперпараметры распределения могут быть установлены относительно параметры КАЛЬФАД.

В основном объекты PriorSpec создаются с именем дистрибутива и гиперпараметры, которые изменяются с помощью один из типов модификатора: абсолютный , относительный , shift_absolute или shift_relative .Например, параметр loc может стать loc_relative , а scale может стать scale_shift_relative .

Вот несколько примеров того, как параметры-модификаторы со значением v изменяют гиперпараметры при задании параметра CALPHAD со значением p :

  • _absolute=v всегда принимать точное переданное значение, v ; loc_absolute=-20 дает значение loc=-20 .

  • _relative=v дает , v*p ; scale_absolute=0,1 с p=10000 дает значение scale=10000*0,1=1000 .

  • _shift_absolute=v дает , p + v ; scale_shift_absolute=-10 с p=10000 дает значение scale=10000+(-10)=9990 .

  • _shift_relative=v дает , p + v*abs(p) ; loc_shift_relative=-0.5 с p=-1000 дает значение loc=-1000+abs(-1000)*0.5=-1500 .

Обратите внимание, что префиксы гиперпараметров ( loc или шкала ) являются произвольными, и можно использовать любые гиперпараметры, используемые в статистических распределениях (например, c для треугольного распределения).

ЯМЛ

Приор можно указать во входных данных YAML в виде списка словарей для разных параметров. Поскольку объекты Python не могут быть созданы в файлах YAML, PriorSpec можно описать как словарь {'name': <>, 'loc_relative': <>, 'scale_relative': <>, ...} .

Некоторые распространенные примеры в формате YAML:

 # нормальный априор, центрированный по параметру, стандартное отклонение 0,25*параметр
прежний:
  имя: нормальный
  лок_относительный: 1.0
  масштаб_относительный: 0,25

# униформа до от 0 до 2*параметр (или отрицательный (2*параметр) до 0)
прежний:
  имя: униформа
  loc_shift_relative: -1.0
  масштаб_относительный: 2,0

# треугольный априор, центрированный по параметру, от -0,5*параметра до 0,5*параметра
прежний:
  название: треугольный
  loc_shift_relative: -0.5
  масштаб_относительный: 1,0
 

Графически они показаны ниже:

Пример априорных значений по сравнению с инициализированными параметрами.

В качестве примечания: априорные значения в файлах YAML могут быть переданы как словари Python, например:

 # нормальный априор, центрированный по параметру, стандартное отклонение 0,25*параметр
ранее: {'имя': 'нормальный', 'loc_relative': 1,0, 'scale_relative': 0,5}
 

Кроме того, различные априорные спецификации могут быть указаны с помощью списка априорных спецификаций, соответствующих общему количеству степеней свободы (параметры VV) в системе.Например, двухпараметрическая система может одновременно использовать нормальный и треугольный априор:

.
 # две приоры:
# сначала нормальный априор, центрированный по параметру, стандартное отклонение 0,25*параметр
# второй треугольный априор, центрированный по параметру, от -0,5*параметра до 0,5*параметра
ранее: [{'name': 'нормальный', 'loc_relative': 1.0, 'scale_relative': 0.5}, {'name': 'треугольный', 'loc_shift_relative': -0.5, 'scale_relative': 1.0}]
 

Кастом Приора

Вообще говоря, пользовательским априором в ESPEI является любой объект Python, который имеет logpdf метод, который принимает параметр и возвращает натуральный логарифм вероятности функция плотности для этого параметра.Любой дистрибутив, который вы можете создать использование функций в scipy.stats , таких как norm , допустимо.

Список этих пользовательских априорных значений можно передать в ESPEI аналогично использованию встроенных априорных значений, но только из интерфейса Python (не YAML). Количество априоров должно совпадать с количеством параметров, но вы также можете смешивать их с объектами PriorSpec по желанию.

Пример подгонки двух параметров с использованием пользовательского гамма-распределения с минимумами 10 и 100 соответственно.

 из scipy.stats импортировать гамму

my_priors = [гамма (а = 1, лок = 10), гамма (а = 1, лок = 100)]

из espei.espei_script импортировать get_run_settings, run_espei


input_dict = {
    'система': {
        «фаза_модели»: «фазы.json»,
        «наборы данных»: «входные данные»,
    },
    'мкмк': {
        «итерации»: «1000»,
        'input_db': 'param_gen.tdb', # должно быть два параметра, чтобы соответствовать
        «до»: my_priors,
    },
}

run_espei (get_run_settings (input_dict))
 

Влияние усовершенствованных аэрозольных датчиков на измерения углекислого газа в ближнем инфракрасном диапазоне

Абен, И., Хасекамп, О., и Хартманн, В.: Неопределенности в космической измерения столбцов CO 2 из-за рассеяния в земной атмосфера, J. ​​Quant. Спектроск. Ra., 104, 450–459, https://doi.org/10.1016/j.jqsrt.2006.09.013, 2007. a

Baker, DF, Bösch, H., Doney, SC, O’Brien, D ., и Шимель, Д.С.: Информация об источнике/поглотителе углерода, полученная с помощью измерений в колонке CO 2 из Орбитальной углеродной обсерватории, Атмос. хим. Phys., 10, 4145–4165, https://doi.org/10.5194/acp-10-4145-2010, 2010. a, b, c

Basu, S., Guerlet, S., Butz, A., Houweling, S., Hasekamp, ​​O., Aben, I., Круммель П., Стил П., Лангенфельдс Р., Торн М., Биро С., Стивенс Б., Эндрюс, А., и Уорти, Д.: Глобальные потоки CO 2 , оцененные по данным GOSAT. извлечение общего столбца CO 2 , Atmos. хим. Phys., 13, 8695–8717, https://doi.org/10.5194/acp-13-8695-2013, 2013. a, b

Бутц, А., Хасекамп, О. П., Франкенберг, К., и Абен, И.: Извлечение атмосферный CO 2 по результатам смоделированных космических измерений обратное рассеяние солнечного света ближнего инфракрасного диапазона: учет аэрозольных эффектов, заявл.Optics, 48, 3322–3336, https://doi.org/10.1364/AO.48.003322, 2009. a, b

Butz, A., Guerlet, S., Hasekamp, ​​O., Schepers, D., Galli А., Абен И., Франкенберг К., Хартманн Дж.-М., Тран Х., Кузе А., Кеппель-Алекс Г., Тун, Г., Вунч Д., Веннберг П., Дойчер Н., Гриффит Д., Макатангай Р., Мессершмидт Дж., Нотхольт Дж. и Варнеке Т.: К точной CO 2 и CH 4 наблюдения ГОСАТ, Геофиз. Рез. Письма, 38, L14812, https://doi.org/10.1029/2011GL047888, 2011.a, b

Шевалье Ф., Бреон Ф.-М. и Рейнер П. Дж.: Вклад Орбитальная углеродная обсерватория для оценки источников CO 2 и стоки: теоретическое исследование в рамках вариационного усвоения данных, Дж. Геофиз. Рез., 112, Д09307, https://doi.org/10.1029/2006JD007375, 2007. a, b

Шевалье Ф., Максютов С., Буске П., Бреон Ф.-М., Сайто Р., Тосида Ю. и Йокота Т.: О точности поверхности CO 2 потоки, оцениваемые по наблюдениям GOSAT // Геофиз.Рез. Lett., 36, L19807, https://doi.org/10.1029/2009GL040108, 2009. a

Chevallier, F., Palmer, P. I., Feng, L., Boesch, H., O’Dell, К. В. и Буске, П.: На пути к надежному и стабильному региональному потоку CO 2 оценки на основе наземных и космических измерений атмосферного CO 2 , Геофиз. Рез. Летт., 41, 1065–1070, https://doi.org/10.1002/2013GL058772, 2014. a

Коннор, Б. Дж., Бош, Х., Тун, Г., Сен, Б., Миллер, К., и Крисп, Д.: Орбитальная углеродная обсерватория: обратный метод и предполагаемый анализ ошибок, Дж.Геофиз. Рез., 113, Д05305, https://doi.org/10.1029/2006JD008336, 2008. a

Крисп, Д., Миллер, К. Э., и ДеКола, П. Л.: NASA Orbiting Carbon Обсерватория: измерение усредненной по колонке мольной доли углекислого газа из космоса, Дж. Заявл. Дистанционная Сенсорная, д. 2, 023508, г. https://doi.org/10.1117/1.2898457, 2008. a

Крисп, Д., Бош, Х., Браун, Л., Кастано, Р., Кристи, М., Коннор, Б., Франкенберг С., Макдаффи Дж., Миллер С. Э., Натрадж В., О’Делл С., О’Брайен Д., Полонски И., Ояфузо Ф., Томпсон, Д., Тун, Г., и Сперр, R .: OCO (орбитальная углеродная обсерватория)-2, уровень 2, полный поиск физики Теоретические основы алгоритмов, Тех. Представитель OCO D-65488, Тех. представитель НАСА Джет Лаборатория двигателей, Калифорнийский технологический институт, Пасадена, Калифорния, версия 1.0 Rev 4 доступна по адресу: https://docserver.gesdisc.eosdis.nasa.gov/public/project/OCO/OCO-2_L2_FP_ ATBD_v1_rev4_Nov10.pdf (последний доступ: 27 февраля 2019 г.), 2010. a, b, c

Кроуэлл С. М. Р., Кава С. Р., Броуэлл Э. В., Хаммерлинг Д.М., Мур Б., Шефер, К., и Дони, С. К.: О возможностях космических пассивных и Активные наблюдения дистанционного зондирования CO 2 для обнаружения потока Возмущения углеродного цикла, J. ​​Geophys. рез.-атмосфер., 123, 1460–1477, https://doi.org/10.1002/2017JD027836, 2018. a

Дубей, М., Паркер, Х., Хендерсон, Б., Грин, Д., Баттерфилд, З., Кеппель-Алекс, Г., Аллен Н., Блавьер Ж.-Ф., Рёл К., Вунч Д. и Линденмайер Р.: Данные TCCON из Манауса (BR), версия GGG2014.R0, архив данных TCCON, размещено CaltechDATA, https://doi.орг/10.14291/tccon.ggg2014.manaus01.R0/1149274, 2014. a

Дубовик О., Лапёнок Т., Кауфман Ю. Дж., Чин М., Жину П., Кан Р. А., и Синюк, А.: Получение глобальных источников аэрозолей со спутников с использованием обратное моделирование, Atmos. хим. физ., 8, 209–250, https://doi.org/10.5194/acp-8-209-2008, 2008. a

Фейст, Д. Г., Арнольд, С. Г., Джон, Н., и Гейбель, М. К.: Данные TCCON из Остров Вознесения (SH), выпуск GGG2014.R0, архив данных TCCON, размещенный CaltechDATA, https://doi.орг/10.14291/tccon.ggg2014.ascension01.R0/1149285, 2014. a

Фэн, Л., Палмер, П.И., Ян, Ю., Янтоска, Р.М., Кава, С.Р., Париж, Дж.-Д., Мацуэда Х. и Мачида Т.: Оценка трехмерной транспортной модели атмосферный CO 2 по наземным, авиационным и космическим данным, Atmos. хим. Phys., 11, 2789–2803, https://doi.org/10.5194/acp-11-2789-2011, 2011. a

Frankenberg, C., Platt, U., and Wagner, T.: Итеративный максимум апостериори (IMAP)-DOAS для извлечения сильно поглощающих газовых примесей: модельные исследования для CH 4 и CO 2 извлечение из спектров ближнего инфракрасного диапазона SCIAMACHY на борту ЭНВИСАТ, Атмос.хим. Phys., 5, 9–22, https://doi.org/10.5194/acp-5-9-2005, 2005. a

Франкенберг, К., Хасекамп, О., О’Делл, К., Сангхави, С., Бутц, А., и Уорден, Дж.: Анализ информационного содержания аэрозолей многоракурсного высокоспектрального измерения разрешения и его преимущества для высокоточных измерений парниковых газов извлечения, Атмос. Изм. Тех., 5, 1809–1821, https://doi.org/10.5194/amt-5-1809-2012, 2012. a

Griffith, DW T., Deutscher, N. M., Velazco, V. A., Wennberg, P. O., Явин, Ю., Кеппель-Алекс, Г., Вашенфельдер Р., Тун Г. К., Блавир Ж.-Ф., Патон-Уолш, К., Джонс, Н. Б., Кеттлуэлл, Г. К., Коннор, Б., Макатангай, Р. К., Роэль, К., Рычек, М., Гловацкий, Дж., Калган, Т., и Брайант, Г.: Данные TCCON из Дарвина (Австралия), выпуск GGG2014.R0, архив данных TCCON, размещено CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.darwin01.R0/1149290, 2014. a

Хасе, Ф., Блюменсток, Т., Дохе, С., Гросс, Дж., и Киль, М.: данные TCCON от Карлсруэ (Германия), выпуск GGG2014.R1, архив данных TCCON, размещенный CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.karlsruhe01.R1/1182416, 2015. a

Холбен, Б. Н., Эк, Т. Ф., Слуцкер, И., Танре, Д., Буис, Дж., Сетцер, А., Вермоте Э., Рейган Дж. А., Кауфман Ю. Дж., Накадзима Т., Лавеню Ф., Янковяк И. и Смирнов А.: AERONET – федеративная инструментальная сеть и Архив данных для характеристики аэрозолей, Дистанционное зондирование окружающей среды, 66, 1–16, https://doi.org/10.1016/S0034-4257(98)00031-5, 1998. a

Иннесс, А., Байер, Ф., Бенедетти, А., Буарар, И., Шабрийа , С., Кларк, Х., Клербо, К., Коэр, П., Энгелен, Р. Дж., Эррера, К., Флемминг, Дж., Джордж, М., Гранье К., Хаджи-Лазаро Дж., Хуйнен В., Хуртманс Д., Джонс Л., Кайзер, Дж. В., Капсоменакис, Дж., Лефевер, К., Лейтао, Дж., Разингер, М., Рихтер А., Шульц М. Г., Симмонс А. Дж., Сатти М., Штейн О., Тепо, Ж.-Н., Туре, В., Врекусис, М., Зерефос, К., и MACC команда: Повторный анализ MACC: набор данных о составе атмосферы за 8 лет, Атмос. хим. Phys., 13, 4073–4109, https://doi.org/10.5194/acp-13-4073-2013, 2013.a

Ираки Л. Т., Подольске Дж., Хиллъярд П. В., Роэль К., Веннберг П. О., Блавир, Дж.-Ф., Аллен, Н., Вунч, Д., Остерман, Г., и Альбертсон, Р.: TCCON данные Эдвардса (США), выпуск GGG2014.R1, архив данных TCCON, размещенный CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.edwards01.R1/1255068, 2016. a

Кауфман Ю. Дж., Танре Д., Ремер Л. А., Вермоте Э., Чу А. и Холбен, B.: Оперативное дистанционное зондирование тропосферного аэрозоля над сушей с помощью EOS Спектрорадиометр среднего разрешения, J.Геофиз. Res.-Atmos., 102, 17051–17067, https://doi.org/10.1029/96JD03988, 1997. a

Каваками С., Охяма Х., Араи К., Окумура Х., Таура , К., Фукамачи, Т., а также Сакашита, М.: Данные TCCON из Saga (JP), выпуск GGG2014.R0, данные TCCON. Архив, размещенный CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.saga01.R0/1149283, 2014. a

Киплинг, З., Стир, П., Джонсон, К.Э., Манн, Г.В., Беллоуэн, Н., Бауэр, С. Э., Бергман Т., Чин М., Дил Т., Ган С.Дж., Иверсен Т., Киркевог, А., Коккола Х., Лю Х., Луо Г., ван Нойе Т., Прингл К. Дж., фон Зальцен, К., Шульц М., Селанд О., Скейе Р. Б., Такемура Т., Цигаридис К., и Чжан, К.: Что контролирует вертикальное распределение аэрозоля? Взаимосвязь между чувствительностью процесса в HadGEM3-UKCA и межмодельным вариант AeroCom Phase II, Atmos. хим. Phys., 16, 2221–2241, https://doi.org/10.5194/acp-16-2221-2016, 2016. a

Киви, Р. и Хейккинен, П.: Измерения спектрометром с преобразованием Фурье колонка CO 2 в Соданкюля, Финляндия, Geosci.Инструм. Метод. Данные систем, 5, 271–279, https://doi.org/10.5194/gi-5-271-2016, 2016. a

Коффи Б., Шульц М., Бреон Ф.-М., Дентенер Ф., Стенсен Б. М., Грисфеллер Дж., Винкер Д., Балкански Ю., Бауэр С. Э., Беллоуэн Н., Бернстен Т., Биан Х., Чин М., Дил Т., Истер Р., Ган С., Хауглустейн Д. А., Иверсен Т., Киркевог А., Лю Х., Ломанн У., Мире Г., Раш П., Селанд О., Ски Р. Б., Стинрод С. Д., Штир, П., Тэкетт Дж., Такемура Т., Цигаридис К., Вуоло М.Р., Юн Дж. и Чжан, К.: Оценка вертикального распределения аэрозоля в глобальном аэрозоле. моделей посредством сравнения с измерениями CALIOP: AeroCom фаза II результаты, J. Geophys. рез.-атмосфер., 121, 7254–7283, https://doi.org/10.1002/2015JD024639, 2016. a

Куанг З., Марголис Дж., Тун Г., Крисп Д. и Юнг Ю.: Spaceborne измерения атмосферного CO 2 с помощью NIR высокого разрешения спектрометрия отраженного солнечного света: вводное исследование, Geophys. Рез. Письма, 15, 11-1–11-4, https://doi.org/10.1029/2001GL014298, 2002. a

Л’Экюйер, Т. С. и Цзян, Дж. Х.: Путешествие по атмосфере на борту поезда А, физ. Today, 63, 36–41, https://doi.org/10.1063/1.3463626, 2010. a

Ле Кере, К., Раупах, М. Р., Канаделл, Дж. Г., Марланд, Г., Бопп, Л., Сиаис П., Конвей Т. Дж., Дони С. К., Фили Р. А., Фостер П., Фридлингштейн П., Герни К., Хоутон Р. А., Хаус Дж. И., Хантингфорд, К., Леви, П. Э., Ломас, М. Р., Майкут, Дж., Мецл, Н., Ометто, Дж. П., Петерс, Г. П., Прентис И.К., Рандерсон, Дж. Т., Бег, С. В., Сармьенто, Дж. Л., Шустер У., Ситч С., Такахаши Т., Виови Н., ван дер Верф Г. Р. и Вудворд, Ф. И.: Тенденции в источниках и поглотителях углекислого газа, Nat. Geosci., 2, 831–836, https://doi.org/10.1038/ngeo689, 2009. a

Liu, J., Bowman, K. W., Schimel, D. S., Parazoo, N. C. ., Цзян З., Ли М., Блум, А. А., Вунч, Д., Франкенберг, К., Сан, Ю., О’Делл, К. В., Герни, К. Р., Менеменлис Д., Гирах М., Крисп Д. и Элдеринг А.: Контрастирование реакции углеродного цикла тропических континентов на El 2015–2016 гг. Ниньо, Наука, 358, 191, https://doi.org/10.1126/science.aam5690, 2017. a

Манн, Г.В., Карслоу, К.С., Реддингтон, К.Л., Прингл, К.Дж., Шульц, М., Асми А., Спраклен Д. В., Ридли Д. А., Вудхаус М. Т., Ли Л. А., Чжан, К., Ган, С.Дж., Истер, Р.К., Лю, X., Стир, П., Ли, Ю.Х., Адамс, П. Дж., Тост Х., Леливельд Дж., Бауэр С. Э., Цигаридис К., ван Нойе Т. П. К., Странк А., Виньяти Э., Беллоуэн Н., Далви М., Джонсон С. Э., Бергман Т., Коккола Х., фон Зальцен К., Ю Ф., Луо Г., Петцольд А., Хайнценберг, Дж., Кларк А., Огрен Дж. А., Грас Дж., Балтеншпергер У., Камински У., Дженнингс С.Г., О’Дауд С.Д., Харрисон Р.М., Беддоуз Д.С. С., Кулмала М., Вийсанен Ю., Улевичюс В., Михалопулос Н., Здимал В., Fiebig, M., Hansson, H.-C., Swietlicki, E., и Henzing, J.S.: Взаимное сравнение и оценка глобальных микрофизических свойств аэрозолей среди моделей AeroCom различной сложности, Atmos. хим. физ., 14, 4679–4713, https://doi.org/10.5194/acp-14-4679-2014, 2014. a

Мартончик, Ю.В., Дайнер, Д. Дж., Кан, Р. А., Аккерман, Т. П., Верстрате, М. М., Пинти Б. и Гордон Х. Р.: Методы извлечения аэрозоля свойства над сушей и океаном с использованием многоугольных изображений, IEEE T. Geosci. Remote, 36, 1212–1227, https://doi.org/10.1109/36.701027, 1998. a

Миллер, К. Э., Крисп, Д., ДеКола, П. Л., Олсен, С. К. , Рандерсон, Дж. Т., Михалак А. М., Алхалед А., Райнер П., Джейкоб Д. Дж., Сунтарлингам П., Джонс, Д. Б. А., Деннинг, А. С., Николлс, М. Э., Дони, С. К., Поусон, С., Беш Х., Коннор Б. Дж., Фунг И. Ю., О’Брайен Д., Салавич Р. Дж., Сандер С. П., Сен Б., Танс П., Тун Г. К., Веннберг П. О., Вофси С. К., Юнг, Ю. Л., и Ло, Р. М.: Требования к точности для космических Данные XCO2, J. Geophys. Рез., 112, D10314, https://doi.org/10.1029/2006JD007659, 2007. a

Нельсон, Р.Р., О’Делл, К.В., Тейлор, Т.Э., Мэндрейк, Л., и Смит, М.: потенциал спутникового поиска углекислого газа при ясном небе, Атмос. Изм. Тех., 9, 1671–1684, https://doi.org/10.5194/amt-9-1671-2016, 2016. a, b

О’Брайен, Д. М. и Рейнер, П. Дж.: Глобальные наблюдения за балансом углерода 2. CO 2 колонка от дифференциального поглощения отраженного солнечного света в полоса 1,61 мкм CO 2 , J. Geophys. Res., 107, 4354, https://doi.org/10.1029/2001JD000617, 2002. a

О’Делл, К.В., Коннор, Б., Бош, Х., О’Брайен, Д., Франкенберг, К. ., Кастано Р., Кристи М., Элдеринг Д., Фишер Б., Гансон М., Макдаффи Дж., Миллер, C. E., Натрадж, В., Ояфусо Ф., Полонски И., Смит М., Тейлор Т., Toon, G.C., Wennberg, P.O., и Wunch, D.: Поиск ACOS CO 2 алгоритм. Часть 1. Описание и проверка синтетического алгоритма. наблюдения, Атмос. Изм. техн., 5, 99–121, https://doi.org/10.5194/amt-5-99-2012, 2012. a, b

О’Делл, К.В., Элдеринг, А., Веннберг, П.О., Крисп, Д., Гансон, М.Р., Фишер Б., Франкенберг К., Киль М., Линдквист Х., Мандраке Л., Меррелли, А., Натрай В., Нельсон Р.Р., Остерман Г.Б., Пейн, В. Х., Тейлор, Т. Е., Вунч Д., Друин Б.Дж., Ояфусо Ф., Чанг А., Макдаффи Дж., Смит М., Бейкер Д.Ф., Басу С., Шевалье Ф., Кроуэлл С.М.Р., Фенг Л., Палмер, П. И., Дубей М., Гарсия О. Э., Гриффит Д. У. Т., Хасе Ф., Ираки Л. Т., Киви Р., Морино И., Нотхольт Дж., Охьяма Х., Петри К., Роэль С. М., Ша М.К., Стронг К., Суссманн Р., Те Ю., Учино О. и Веласко В.А.: Улучшенное извлечение углекислого газа с орбитальной углеродной обсерватории-2 с помощью алгоритм ACOS версии 8, Atmos.Изм. Тех., 11, 6539–6576, https://doi.org/10.5194/amt-11-6539-2018, 2018. a, b, c, d, e, f, g

Ощепков С., Бриль А. и Йокота Т. : метод на основе PPDF для учета рассеяние атмосферного света при наблюдениях углекислого газа из космоса, Дж. Геофиз. Res., 113, D23210, https://doi.org/10.1029/2008JD010061, 2008. a

Osterman, G., Eldering, A., Mandrake, L., O’Dell, C., Wunch, D. , Веннберг, П. О., Фишер Б. и Маркетти Ю.: Орбитальная углеродная обсерватория-2 (OCO-2) Lite Files, коррекция смещения и уровень предупреждения, Tech.представитель НАСА Джет Лаборатория двигателей, Калифорнийский технологический институт, Пасадена, Калифорния, версия 2.0, доступна по адресу: https://docserver.gesdisc.eosdis.nasa.gov/public/project/OCO/OCO2_XCO2_Lit e_Files_and_Bias_Correction.pdf (последний доступ: 27 февраля 2019 г.), 2017. a

Паркер Р., Бёш Х. и Коган А.: Теоретические основы алгоритма Документ Версия 2 (ATBDv2) Полный поиск физики Лестерского университета Алгоритм поиска XCO2 и XCh5, Тех. респ., Лестерский университет, Лестер, Великобритания, версия 2, 2011 г.a, b, c

Питерс В., Джейкобсон А. Р., Суини К., Эндрюс А. Э., Конвей, Т. Дж., Масари К., Миллер Дж. Б., Брювилер Л. М. П., Петрон, Г., Хирш А. И., Уорти Д. Э. Дж., ван дер Верф Г. Р., Рандерсон, Дж. Т., Веннберг П. О., Крол М. К. и Танс П. П.: Атмосферное перспектива обмена углекислым газом в Северной Америке: CarbonTracker, П. Натл. акад. науч. USA, 104, 18925–18930, https://doi.org/10.1073/pnas.0708986104, 2007. a

Пугачев Н., Август Т., Калбет X., Халтберг Т., Одулейе О., Шлюссель П., Стиллер Б., Жермен К. Ст. и Бингэм Г.: IASI получение данных о температуре и водяном паре – оценка и подтверждение ошибок, Атмос. хим. Phys., 9, 6453–6458, https://doi.org/10.5194/acp-9-6453-2009, 2009. a

Райнер, П. Дж. и О’Брайен, Д. М.: Полезность дистанционного зондирования CO 2 данные о концентрации в поверхностных инверсиях источников, Геофиз. Рез. Письма, 28, 175–178, https://doi.org/10.1029/2000GL011912, 2001. a

Рейтер, М., Бовенсманн, Х., Бухвитц, М., Берроуз, Дж. П., Хейманн, Дж., и Шнайзинг, О .: Теоретическая основа алгоритма, версия 5 (ATBDv5) — The Алгоритм Bremen Optimal Estimation DOAS (BESD) для поиска XCO2, Тех. респ., Институт физики окружающей среды (ИФП) Бременский университет, Бремен, Германия, версия 5, 2016 г. a

Ройтер, М., Бухвиц, М., Шнайзинг, О., Ноэль, С., Бовенсманн, Х., и Берроуз, Дж. П.: Быстрое извлечение атмосферных газовых примесей для гиперспектральных приборы, аппроксимирующие многократное рассеяние. Часть 2. Применение к Извлечение XCO2 из OCO-2, дистанционное зондирование, 9, 1102, https://дои.org/10.3390/rs

02, 2017. a

Rienecker, M. M., Suarez, M. J., Todling, R., Bacmeister, J., Takacs, L., Лю, Х.-К., Гу, В., Сенкевич, М., Костер, Р. Д., Геларо, Р., Стайнер, И., и Нильсен, Дж. Э.: Система усвоения данных GEOS-5 — документация версий 5.0.1, 5.1.0 и 5.2.0, Тех. представитель Центра космических полетов имени Годдарда НАСА, Гринбелт, Мэриленд, доступно по адресу: https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20120011955.pdf (последний доступ: 27 февраля 2019 г.), 2008 г. a

Rienecker, M.М., Суарес М. Дж., Геларо Р., Тодлинг Р., Бакмайстер Дж., Лю, Э., Босилович М. Г., Шуберт С. Д., Такач Л., Ким Г.-К., Блум С., Чен Дж., Коллинз Д., Конати А., да Силва А., Гу В., Джойнер Дж., Костер, Р. Д., Луккези Р., Молод А., Оуэнс Т., Поусон С., Пегион П., Реддер, К. Р., Райхле Р., Робертсон Ф. Р., Раддик А. Г., Сенкевич М. и Вуллен, Дж.: MERRA: ретроспективный анализ современной эпохи НАСА для исследований и приложения, Дж. Климат, 24, 3624–3648, https://doi.org/10.1175/JCLI-D-11-00015.1, 2011. a

Rödenbeck, C.: Оценка CO 2 источников и поглотителей из измерения коэффициента смешивания в атмосфере с использованием глобальной инверсии атмосферного транспорт, тех. Представитель 6, Институт Макса Планка биогеохимии, Йена, Германия, технический Отчет 6, 2005 г. a

Роджерс, К. Д.: Обратные методы зондирования атмосферы: теория и Практика, World Scientific, Сингапур, 2000 г. a

Шу, А., Джейкобсон, А. Р., Басу, С., Вейр, Б., Бейкер, Д., Боуман, К., Шевалье Ф., Кроуэлл С., Дэвис К., Дэн Ф., Деннинг С., Фенг Л., Джонс, Д., Лю, Дж., и Палмер, П.: Количественная оценка воздействия атмосферных Транспортная неопределенность для CO 2 Оценки приземных потоков, глобальные Биогеохим. Cy., в обзоре, 2019 г. a

Stocker, T. F., Qin, D., Plattner, G.-K., Tignor, M., Allen, S., Boschung, Дж., Науэльс А., Ся Ю., Бекс В. и Миджли П.: МГЭИК, 2013 г.: Изменение климата. 2013: Основы физических наук. Вклад Рабочей группы I в Пятый оценочный доклад Межправительственной группы экспертов по изменению климата, Издательство Кембриджского университета, https://doi.org/10.1017/CBO9781107415324, 2014. a

Susskind, J., Barnet, C. D., and Blaisdell, J.M.: Извлечение атмосферных а также параметры поверхности по данным AIRS/AMSU/HSB при наличии облаков, IEEE Т. Геоски. Удаленный, 41, 390–409, https://doi.org/10.1109/TGRS.2002.808236, 2003. a

Суссманн, Р. и Реттингер, М.: Данные TCCON из Гармиша (Германия), выпуск GGG2014.R0, Архив данных TCCON, размещенный CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.garmisch01.R0/1149299, 2014. a

Тейлор, Т.Э., О’Делл, К.В., Франкенберг, К., Партейн, П.Т., Кронк, Х.К., Савченко А., Нельсон Р. Р., Розенталь Э. Дж., Чанг А. Ю., Фишер Б., Остерман Г. Б., Поллок Р. Х., Крисп Д., Элдеринг А. и Гансон М. Р.: Алгоритмы скрининга облаков Orbiting Carbon Observatory-2 (OCO-2): валидация против совмещенных данных MODIS и CALIOP, Atmos. Изм. тех., 9, 973–989, https://doi.org/10.5194/amt-9-973-2016, 2016. a

Te, Y., Jeseck, P., and Janssen, C.: Данные TCCON из Парижа (Франция), выпуск ГГГ2014.R0, архив данных TCCON, размещенный CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.paris01.R0/1149279, 2014. a

Варнеке, Т., Мессершмидт, Дж., Нотхольт, Дж., Вайнцирль, К., Дойчер, Н. М. ., Петри, К., Груп, П., Вюйлемин, К., Труонг, Ф., Шмидт, М., Рамоне, М., и Парментье, Э.: Данные TCCON из Орлеана (Франция), выпуск GGG2014.R0, Архив данных TCCON, размещенный CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.orleans01.R0/1149276, 2014. a

Wennberg, P. O., Roehl, C., Вунч Д., Тун Г. К., Блавир Ж.-Ф., Вашенфельдер Р., Кеппел-Алекс Г., Аллен Н. и Айерс Дж.: Данные TCCON из Park Falls (США), выпуск GGG2014.R0, архив данных TCCON, размещенный CaltechDATA. ., Toon, G. C. и Аллен, N.: данные TCCON из Калифорнийского технологического института (США), выпуск GGG2014.R1, архив данных TCCON, размещено CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.pasadena01.Р1/1182415, 2015. a

Веннберг, П. О., Вунч, Д., Рёл, К., Блавир, Дж.-Ф., Тун, Г. К., и Аллен, N.: данные TCCON из Ламонта (США), выпуск GGG2014.R1, архив данных TCCON, размещено CaltechDATA, https://doi.org/10.14291/tccon.ggg2014.lamont01.R1/1255070, 2016. a

Wunch, D., Toon, G. C., Blavier, J.-F. Л., Вашенфельдер Р. А., Нотхольт Дж., Коннор Б. Дж., Гриффит Д. У. Т., Шерлок В. и Веннберг П. О.: Сеть наблюдения за общим углеродным столбом, Philos.

Leave a Reply

Ваш адрес email не будет опубликован.

2019 © Все права защищены.