【Day21-22 文献精读】Cross-dimensional magnitude interaction is modulated by representational noise...

本文主要是介绍【Day21-22 文献精读】Cross-dimensional magnitude interaction is modulated by representational noise...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

阅读文献:

Cai, Z. G. and R. Wang (2021). "Cross-dimensional magnitude interaction is modulated by representational noise: evidence from space–time interaction." psychological research psychologische forschung: 1-13.

文献链接:Cross-dimensional magnitude interaction is modulated by representational noise: evidence from space–time interaction | SpringerLink

本文为Day4、Day11-12、Day13-14文献的后续研究。

文章目录

  • 摘要
  • 一、前言
  • 二、实验设计与结果
  • 1、实验1:static unfilled length
  • 2、实验2 static filled length和实验3 dynamic unfilled lengths
  • 三、总结

摘要

1、时间和空间表征的噪音对二者间的相互作用(对称或不对称)起调节作用;

2、跨维度的量级间相互影响是记忆干扰的结果,记忆噪音更大的维度更容易受到另一维度的影响;

3、记忆的干扰作用可以用贝叶斯推测模型进行解释。

本文的主要结论与Day13-14文献一致。


一、前言

1、关于解释时间空间相互关系的理论

(1)hypothesis of a generalised magnitude system

认为所有的量级是在一个共同的神经认知机制中进行处理,不同维度的量级间关系应该是对称的(类似于ATOM,见Day3文献),故无法解释观察到的时空关系不对称现象。

(2)the conceptual metaphor account

利用空间经验来支持对时间的理解,时空干扰不对称,空间对时间影响始终更大(Day2/3/8,同CMT见ay3文献),无法解释观察到的时空关系对称现象。

(3)memory interference

维度间的相互影响受记忆的噪声noise的影响,噪声指维度的量级保持在记忆中是具有一定的变异性variability,人们难以完全精准得记住其特性,因而噪声越大的维度在记忆中的变异性和不确定性越大,越容易受噪音小的维度的影响,可以解释观察到的时空关系对称、不对称现象。

2、本文旨在探究

(1)时空干扰的大小是否受空间表征形式的影响

filled(直线——)vs. unfilled(两竖线的间隔|    |)

statically vs. dynamically(渐长的直线或相继出现的两条竖线)

(2)时空干扰是否受记忆表征的噪声的影响


二、实验设计与结果

1、实验1:static unfilled length

(1)实验设计

24名被试参与5(竖线间隔,150-550pix)×5(时间间隔,1000-2600ms)被试内实验设计,依次分为两部分:

        1)Unidimensional duration/length task
        指导语表明只做竖线间隔或时间间隔的复制任务,被试只需注意任务维度,其刺激变化但不相关维度刺激恒定,以确定length和duration分别的单独的记忆表征噪声。

         2)Space-time task

        两维度刺激都变化,根据mask后的cue(*或x)来进行时距或长度复制任务,被试需注意两维度刺激。

(2)主要实验结果

在Space-time task中:

Fig 2 

复制时间和复制长度都随刺激时距和刺激长度的增加而增加,说明当空间信息以unfilled length形式呈现时,时间和空间信息都能对另一维度的知觉产生影响,时空关系对称。

2、实验2 static filled length和实验3 dynamic unfilled lengths

除空间信息的呈现形式不同外,其余处理和2部分流程皆与实验1相同。

主要结果:

(1)实验2中,空间信息换为固定的直线后,时间信息对空间知觉的影响消失,时空关系不对称;

(2)在实验3中,空间信息换为动态的unfilled length(两竖线相继呈现)后,时间信息对空间知觉的影响又出现,时空关系对称;

(3)由Fig 2,实验3中复制时间整体来说是最长的,其次是实验1,可能是因为这两个实验中都采用了unfilled length,相比不确定性更小的直线,需要被试集中更多精力来对其进行加工,因而知觉到更长的时间;但三个实验中回归直线的斜率差距不大。

进一步对跨维度影响进行分析:

 (4)The effects of representational noise on space-time interaction

        1)coefficient of variation→noise

        用单维度任务中复制时距和长度的变异系数CV来衡量其(在记忆中)表征的噪声,值为标准差与均值之比,CV越大则噪声越大,结果见Fig 3:只有在长度任务中,实验3的CV显著大于实验1和2,说明dynamic unfilled length的噪声比unfilled/filled length都大。

在Day13-14文献的实验3的单维度前测中,得到过unfilled length比filled的CV更大即噪声更大的结果。

        2)unstandardized coefficient→cross-dimension interaction

        ① space-on-time effect:实验间无显著差异;

        ② time-on-space effect:实验3的效应显著大于实验1和2,说明dynamic unfilled length条件下时间对空间的影响比unfilled/filled length条件下都大。

        3)noise and cross-dimension interaction

        二者的模式是一致的(见红字部分),进一步分析:

        ① 用noise对单个被试的cross-dimension interaction做回归分析发现,时间对空间影响效应大小随距离表征的噪声增大而增大,但与时间表征的噪声无关;空间对时间影响效应大小随时间表征的噪声增大而增大,但与距离表征的噪声无关。

        ② 由于时距和长度刺激范围差异较大,将衡量 cross-dimension interaction的unstandardized coefficient做标准化处理(z分数转换)为standardized coefficient,将跨维度影响作为组内变量,实验类型作为组间变量,以直接比较时间对空间的影响和空间对时间的影响,发现:

        A. 在实验1和实验2中,距离表征的噪声较小,空间对时间的影响更大;在实验3中,距离表征的噪声较大,时间对空间的影响与空间对时间的影响等同。

        B. 对单个被试,将跨维度效应差异(space-on-time减去time-on-space)的standardized coefficient和时距/长度表征噪声的差异(前者减后者)进行回归,发现二者有显著正向关系,即每个被试的时间和空间间的相对影响大小取决于其时间和空间表征噪声相对大小。

        综上,一个维度受跨维度影响的程度取决于该维度的表征噪声大小,即表征噪声越大,越容易受另一维度的影响。


三、总结

1、空间表征的形式对时空干扰的影响

(1)对space-on-time effect无影响:空间总是对时间有影响

(2)对time-on-space effect有影响:空间表征形式噪声较大时(unfilled/dynamic unfilled),时间对空间有影响;噪声较小时(filled),时间对空间无影响。

2、记忆表征的噪声对时空干扰的影响

一个维度受跨维度影响的程度取决于该维度的表征噪声大小,即表征噪声越大,越容易受另一维度的影响。

3、本研究不支持conceptual metaphor account/theory,与Bottini, Guarino, and Casasanto (2013)提出的发展版conceptual metaphor account更相符:由于conceptual metaphorical re-use, relative accessibility of a physical dimension,时间也可以对空间产生更大的影响。
4、本研究结果与Day13-14文献中提出的贝叶斯推理模型相适应

(1)跨维度量级共同表征于记忆中时,其相互影响符合贝叶斯推理,对于量级的估计过程人们会利用知觉到的信息likelihood(对于知觉精确度更高的维度依赖性越大)和先验经验prior(较长的距离其时距也越长)来做最佳估计,以产生复制的量级posterior;

(2)跨维度影响的方向和程度由(记忆)表征的噪声决定,噪声越大越依赖于prior,则越容易受同处于记忆中另一维度的影响。

5、在Day13-14文献中,空间对时间的影响在空间信息形式为unfilled length时消失了,但在本研究中却没有。这一差异与两篇文献的主要关注点,即相比于filled length,unfilled length条件下空间对时间的影响更弱的结论并不矛盾,所以没有必要进行解释。

这篇关于【Day21-22 文献精读】Cross-dimensional magnitude interaction is modulated by representational noise...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/318268

相关文章

cross-plateform 跨平台应用程序-03-如果只选择一个框架,应该选择哪一个?

跨平台系列 cross-plateform 跨平台应用程序-01-概览 cross-plateform 跨平台应用程序-02-有哪些主流技术栈? cross-plateform 跨平台应用程序-03-如果只选择一个框架,应该选择哪一个? cross-plateform 跨平台应用程序-04-React Native 介绍 cross-plateform 跨平台应用程序-05-Flutte

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

【阅读文献】一个使用大语言模型的端到端语音概要

摘要 ssum框架(Speech Summarization)为了 从说话人的语音提出对应的文本二题出。 ssum面临的挑战: 控制长语音的输入捕捉 the intricate cross-mdoel mapping 在长语音输入和短文本之间。 ssum端到端模型框架 使用 Q-Former 作为 语音和文本的中介连接 ,并且使用LLMs去从语音特征正确地产生文本。 采取 multi-st

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes 优势 1、构建了一个用于监督原始视频去噪的基准数据集。为了多次捕捉瞬间,我们手动为对象s创建运动。在高ISO模式下捕获每一时刻的噪声帧,并通过对多个噪声帧进行平均得到相应的干净帧。 2、有效的原始视频去噪网络(RViDeNet),通过探

AI文献综述神器,有这一款就够了!

我是娜姐 @迪娜学姐 ,一个SCI医学期刊编辑,探索用AI工具提效论文写作和发表。 当前的AI辅助文献综述的工具有很多,如果说功能最强大的,娜姐无疑要推SciSpace了。 SciSpace利用强大的AI算法,理解并建立研究论文之间的联系,可以大大提升文献综述的质量和效率。并且其功能还在不断更新和完善。        1 强大的语义搜索功能 传统的关键词搜索可能会遗漏相关文献,Sc

天然药物化学史话:“四大光谱”在天然产物结构鉴定中的应用-文献精读46

天然药物化学史话:“四大光谱”在天然产物结构鉴定中的应用,天然产物化学及其生物合成必备基础知识~ 摘要 天然产物化学研究在药物研发中起着非常重要的作用,结构研究又是天然产物化学研究中最重要的工作之一。在天然药物化学史话系列文章的基础上,对在天然产物结构研究中起绝对主导作用的“四大光谱”分析技术,即红外光谱、紫外光谱、质谱、核磁共振波谱在天然产物结构鉴定中的应用历史进行回顾与总结,并对其发展

你读文献的方式可能错了!掌握这些技巧,让阅读事半功倍!

我是娜姐 @迪娜学姐 ,一个SCI医学期刊编辑,探索用AI工具提效论文写作和发表。 科研新手如何精读一篇论文? 很多科研新手,一上来就疯狂下载几十上百篇文献。囫囵吞枣看完了,还是什么都不知道,大脑一片空白。究竟该如何读文献收获最大? 大佬说,要积极阅读、频繁阅读。 什么是积极阅读? 相比被动阅读,积极阅读是指在阅读之前准备好问题、设置阅读目标、保持批判性,收获更多、进步更大的一种阅读

如何借助AI快速筛选和整理文献?

AIPaperGPT,论文写作神器~ https://www.aipapergpt.com/ 在撰写毕业论文时,文献综述是必不可少的部分。它不仅为你的研究提供理论背景,还展示了你对研究领域的深入理解。然而,文献综述的撰写过程常常让学生感到头疼,尤其是面对海量文献时,如何有效筛选、整理和撰写是一大难题。 本文将为大家介绍如何利用AI工具帮助你轻松高效地完成文献综述的写作。我们将详细讲解如何快速

【DL--22】实现神经网络算法NeuralNetwork以及手写数字识别

1.NeuralNetwork.py #coding:utf-8import numpy as np#定义双曲函数和他们的导数def tanh(x):return np.tanh(x)def tanh_deriv(x):return 1.0 - np.tanh(x)**2def logistic(x):return 1/(1 + np.exp(-x))def logistic_derivati

20180108文献综述书写感悟

在写文献综述理清各章节脉络的时候,发现了以下几个问题,共勉之。 1、资源对接问题:章节应该明确标注出处,来源,例如(from 百度/某篇文章链接),不写,则默认为原创。 以方便下一个接着写的同学清晰了解资料来源。 2、质量低:上任对发展史做了整理,但并没有输出成原创性文字,重新阅读加大理解成本,并且思路不新不全局不清晰,需要重新绘之。