中央执行注意资源在消极和积极特征捆绑中的作用

鉴于以往研究未明确视觉工作记忆中特征捆绑是否需要注意资源,以及未考察积极加工条件下的特征捆绑等问题,本研究运用双任务干扰范式,通过两个实验分别在消极加工和积极加工条件下考察了联结客体的特征加工和特征捆绑,以及中央执行注意资源在特征捆绑中的作用。结果表明:联结客体的特征加工不但存在双重存储机制,还存在双重操作机制,这一结果拓展了Wheeler和Treisman(2002)的特征捆绑理论;联结客体的特征捆绑可分为消极特征捆绑和积极特征捆绑两种类型,消极特征捆绑不需要中央执行注意资源的参与,而积极特征捆绑则需要中央执行注意资源的参与。

特征捆绑机制的理论模型

捆绑问题被认为是认知科学和神经科学的中心问题之一,对心理过程的认知神经机制研究起到了重要推动作用。特征捆绑机制研究有认知和神经科学两大范式。特征整合论在认知理论中最具代表性,形式理论修正了其在错觉性结合测量等方面的不足,双阶段理论突出了前注意捆绑。时间同步性理论是影响最大的捆绑理论,神经网络模型为捆绑机制提出了更具体的结构模型。两大范式的整合及由低级认知过程向高级心理过程的深化可能是今后捆绑机制研究的重点。.

一种基于特征捆绑计算模型的物体识别方法

利用一种特征捆绑计算模型,以Gabor特征作为模型的初级特征,将相关统计量作为实现特征捆绑的基础,提出了一种物体识别方法.并实现了一组物体识别实验,结果显示,该方法能够进行较快速而准确地识别,说明了此方法和所使用的特征捆绑计算模型的有效性.

顶叶在特征捆绑中的作用——对一例典型双侧顶叶损伤病人的研究

本实验以一例典型双侧顶叶损伤患者为研究对象,以数字和几何形状为材料,采用形状和颜色特征识别任务,主要考察了顶叶及空间信息是否影响视觉特征捆绑。结果显示,患者在特征捆绑任务上操作成绩较差,错觉性结合错误远远多于特征错误,且正确反应及错觉性结合受刺激间的距离及呈现方式的影响,表现出距离和位置效应。这些结果表明,顶叶在视觉特征捆绑中起重要作用,这种影响作用很可能与空间注意有关。本研究进一步为特征整合理论提供了神经心理学的证据。

视觉工作记忆中的特征捆绑

特征捆绑是认知科学和神经科学研究的前沿问题,近来已经成为研究者们关于意识问题争论的焦点所在。很多心理活动涉及复杂对象各种特征的捆绑,在工作记忆中保持这些捆绑的机制是心理加工得以有效进行的基础。视觉工作记忆中的特征捆绑近来成为研究热点之一,有关研究大多凭借变化检测范式和单刺激探测范式,探讨了视觉工作记忆中捆绑特征的保持是否需要注意参与,以及分离特征存储和捆绑特征存储的关系等问题,但目前这些问题仍都没有明确的答案。

视觉特征捆绑的认知机制研究

以大学生为被试,探讨视觉特征捆绑的认知机制。实验采用空间提示范式,要求被试完成字母形状和颜色的辨别任务,考察集中注意和分散注意条件下的IC差异。结果表明,注意在视觉特征捆绑中起重要作用,集中注意能有效地减少IC的出现。同时注意对特征捆绑的调节作用表现出距离效应,即近距离比远距离的IC错误多,提示了注意的作用机制有可能与空间距离信息有关。

网络成瘾者的特征捆绑机制

考察了网络成瘾者的捆绑机制在注意和工作记忆水平上的特点.实验一采用错觉性结合范式,选取大学生网络成瘾者和正常被试各10名接受实验.实验二采用再认范式,选取了2类大学生各15名接受实验任务.结果发现,网络成瘾者在注意水平上的捆绑能力明显低于正常被试,在记忆水平上仅表现出一般的记忆机制的损害.结果表明,捆绑机制的损害是网络成瘾现象的重要机制之一,但其高级心理过程仍有待研究.

注意在视觉特征捆绑中的作用

通过两项视觉特征捆绑实验,探讨注意的作用及机制。实验1采用双任务范式,考察不同注意分散水平下的错觉性结合(IC)差异。实验2采用空间提示范式,考察集中注意和分散注意条件下的IC差异。两个实验结果都表明,注意在视觉特征捆绑中起重要作用,集中注意能有效地减少IC的出现。同时,注意对特征捆绑的调节作用表现出距离效应,即近距离比远距离的IC错误多,提示注意的作用机制可能与空间距离信息有关。

视觉感知中特征捆绑建模方法的研究

针对视觉感知中特征的捆绑问题,在传统脉冲耦合神经网络(PCNN)的基础上,提出一种基于强度的PCNN模型。在该模型中,神经元邻域内脉冲发放总强度将不同的特征分离开来,而神经元自身的脉冲发放强度又将属于同一感知对象的不同特征捆绑起来。仿真结果证明,该模型可以实现特征的分离和捆绑。

特征捆绑的3种多项式模型比较——位置不确定理论

正确捆绑的概率随着靶子与非靶子间距离的增加而增加 ,亦即错误的特征捆绑是由对特征位置知觉的错误造成的 ,这是位置不确定理论的一个重要观点 .通过对特征捆绑的 3种多项式模型对比 ,我们认为 ,位置不确定模型可以排除错觉性结合实验中的猜测成分 ,用数学参数精确地估计真正错觉性结合发生的概率 ,对错觉性结合的测量效果最佳 .它不仅修正了传统的错觉性结合数据分析方法的不足 ,同时也是对特征整合理论的重要补充 .

基于ICA的谱聚类方法在特征捆绑中的应用

为探究视觉系统处理图像颜色和形状时的特征捆绑问题,提出了基于独立成分分析的谱聚类方法。利用独立成分分析对任务态下的fMRI数据进行成分的提取,利用谱聚类算法对成分和任务之间的相关系数进行谱聚类分析,得到一种基于独立成分的谱聚类方法。将该算法应用于颜色和形状的特征捆绑任务中,结合提出的认知减法,得出了任务态下参与特征捆绑的主要激活脑区,并对任务态下认知颜色和形状的主要脑区进行了分析研究,为建立视觉特征捆绑的认知模型提供理论基础,表明了该方法适用于多任务的fMRI数据分析。

改进的ICA算法及其在特征捆绑中的应用

针对fMRI数据信噪比低、数据量大的特点,将Pearson分布族应用于独立成分分析算法中,提出基于Pearson系统的独立成分分析算法。增加非线性函数生成器,改进调整步长的方法,能根据观测数据自适应地估计非线性函数。改进的算法与原ICA算法相比,运行速度时间缩短,在fMRI信号分离中取得了较好的效果。将该算法应用于颜色和形状的特征捆绑认知中,得出参与捆绑认知的各大脑区域的主要作用,为建立视觉特征捆绑的认知模型提供理论基础。

视觉特征捆绑:基于时间邻近还是基于相同空间位置?

通过操纵客体呈现的空间位置和时间顺序,来考察视觉特征捆绑是基于相同空间位置线索还是基于时间邻近线索。在两个实验中,给被试在固定的注视点位置(固定呈现条件)或在注视点上/下位置(变换呈现条件)快速地系列呈现刺激,记录靶子前后各两个时间位置(-2、-1、+1、+2)的错觉性结合(IC)率。结果发现,在固定呈现条件下,IC更多地出现在-1和+1的时间位置上;而在变换呈现条件下,错觉性结合更多地出现在-2和+2时间位置上。为了进一步排除特定实验范式的影响,在实验3中,我们采用特征分离范式,使被分离的刺激特征同时呈现在相同(相同位置同步)或不同(不同位置同步)的空间位置上。结果表明,这两种条件下的IC率无显著差异,这说明错觉性结合不受时间同步模式的影响。综上所述,来自三个实验的结果表明,时间范围内的特征捆绑机制是按空间位置,而不是按时间邻近,线索进行的:若特征的空间位置相同,时间邻近的特征才被捆绑起来;若空间位置不同,即使时间邻近的特征也不能被捆绑到一起。

分配注意和呈现方式对视觉特征捆绑的影响

文章采用单探测变化检测范式,考察了在呈现时间和延迟时间都比较短的条件下,特征检测类型、分配注意以及不同呈现方式对视觉特征捆绑的影响。结果表明:(1)当呈现时间和延迟时间都比较短时,分配注意对视觉特征捆绑的影响不显著;(2)当序列呈现刺激项目时,被试的记忆的正确率显著的低于在同时呈现刺激项目时的正确率;(3)当呈现时间和延迟时间都比较短时,工作记忆中视觉特征的捆绑机制可能是相对自动化但又是比较脆弱的。

特征捆绑和不变性知觉的脑认知功能成像

2005年，中国科学院小物物理研究所集中优势、超前郜并，构筑并优化了“两大学科领域，五大战略雁点”的学科布局，

视觉和语音加工难度对汉语识字困难儿童形音特征捆绑的影响

研究选取汉语识字困难儿童与普通儿童各28名,通过三种图形和语音信息不同加工难度条件,考察不同视觉和语音加工难度对汉语识字困难儿童形音特征捆绑成绩的影响。实验结果显示:(1)在视觉-语音信息加工难度低的时候,汉语识字困难儿童形音特征捆绑正确率显著低于普通儿童,说明其形音特征捆绑落后于普通儿童。(2)在视觉信息加工难度增加时,汉语识字困难儿童形音特征捆绑成绩无显著变化;在语音信息加工难度增加时,汉语识字困难儿童形音特征捆绑成绩出现显著下降,说明视觉信息加工难度对其形音特征捆绑成绩无影响,语音信息加工引起其形音特征捆绑成绩的变化。

特征捆绑的计算模型

特征捆绑问题一直是认知科学和神经科学中的一个重要问题.本文通过将噪声神经元模型的思想、贝叶斯方法和脉冲神经网络模型相结合,并引入竞争机制,提出了一个特征捆绑的计算模型-BayesianL inking Field模型,对视感知中的特征捆绑问题进行研究.实验证明本研究的模型很好地完成了视觉感知中特征捆绑的任务,并给感知研究带来了新的思路.

视觉客体工作记忆中图形特征存储与捆绑时程

采用单探测变化检测范式,考察了形状和颜色客体在工作记忆中的表征方式、特征检测类型及初始刺激呈现时间对工作记忆表征的影响。结果表明:(1)视觉客体工作记忆的表征包括两个水平,首先是对客体的特征进行加工存储,其次才是对特征的捆绑;(2)不同特征的加工时间不同,颜色的加工完成的较早,记忆效果好,而形状的加工完成的较晚,记忆效果也差,表现出颜色的子系统优势;(3)特征的捆绑不是必需的,只有在任务需要时才进行,并且捆绑的过程符合特征捆绑的双阶段理论。

彩色图像特征捆绑的自动模型构建

特征捆绑问题是认知科学和神经科学的中心问题之一。为了对彩色图像中颜色与形状这两种最基本特征实施捆绑,在简化脉冲耦合神经网络(PCNN)模型的基础上,提出一种基于矢量的特征捆绑脉冲耦合神经网络模型。在该模型中,利用神经元的第1次脉冲发放时间将不同的特征进行分离,同时利用神经元的自身输入刺激将属于同一感知对象的不同特征进行捆绑。仿真实验结果表明,该模型能够很好地实现彩色图像特征的分离和捆绑,并实现迭代次数的自动判定,对脉冲耦合神经网络模型在彩色图像特征捆绑的研究和应用中具有一定的参考价值。

基于多重分割捆绑特征的目标图像检索

针对基于目标的图像检索(OBIR)领域中,传统的视觉关键词方法忽略了局部特征之间的空间关系信息,导致检索准确度不高的问题,提出一种基于多重分割捆绑特征的目标图像检索方法.通过对图像进行多重分割,各分割区块用它所包含的尺度不变特征变换(SIFT)特征集合来描述,生成包含空间关系信息的捆绑特征;根据视觉关键词词库匹配捆绑特征,并提出一种改进的相似性度量方法计算捆绑特征相似度,再将该相似度作为权重融入到视觉关键词方法的向量空间模型中,计算图像相似度并进行排序.结果表明,该方法能够有效利用局部特征之间的空间关系信息,在保证检索效率的同时,显著提高检索准确度.