【摘 要】
：
认知科学与计算机视觉早已形成了一种密不可分的关系,通过对视觉认知的研究可以推动计算机视觉与人工智能的发展。在对视觉信息加工处理的机制进行研究时,一个重要的研究方向就是大脑在无意识的情况下,是否还可以进行视觉处理。本文将借助持续闪烁抑制（continuous flash suppression,简称CFS）实验范式、强制二选一（two-alternative forced choice,简称2AFC
论文部分内容阅读
认知科学与计算机视觉早已形成了一种密不可分的关系,通过对视觉认知的研究可以推动计算机视觉与人工智能的发展。在对视觉信息加工处理的机制进行研究时,一个重要的研究方向就是大脑在无意识的情况下,是否还可以进行视觉处理。本文将借助持续闪烁抑制（continuous flash suppression,简称CFS）实验范式、强制二选一（two-alternative forced choice,简称2AFC）实验范式,以及在目标识别时所存在的一致性效应为指标,对意识上和意识下的视觉认知过程进行系统、完整的探究。本文的研究工作中,通过意识上与意识下相结合,实验结论相互对照参考的方式对场景一致性在视觉认知中的影响进行了研究。系统介绍了本文所需要的场景知觉相关理论以及实验所使用的实验范式和影响因素。共进行了三项行为学研究工作,探究目标类型、一致性关系、实验范式对反应时间的影响。具体工作如下:（1）利用2AFC实验范式,初步研究意识上的目标类型与一致性关系对反应时间的影响。目标类型选取动物和交通工具,一致性关系为一致与不一致。（2）利用CFS实验范式,进一步研究意识下的目标类型与一致性关系对反应时间的影响。（3）将2AFC范式与CFS范式结合,深层次研究意识下的目标类型与一致性关系对反应时间的影响。实验表明,场景的一致性效应在意识上和意识下的视觉认知过程中均可以存在,但在意识下的认知过程中会受到认知层次的影响。本研究使我们对视觉认知的过程有了更清楚的了解,研究结论也支持了一致性效应存在于无意识的视觉认知过程的观点。
其他文献
空间co-location模式挖掘的目标是发现空间特征集的子集,这些特征的实例在地理空间中频繁相邻出现。然而,在许多实际情况中,空间特征的实例不仅包含空间位置信息,还包含属性信息。现有的大多数co-location模式挖掘算法只关注特征的空间位置信息,而忽略了其属性信息。虽然已经有一些研究使用一型模糊隶属度函数挖掘模糊co-location模式,但这种隶属函数存在很大的不确定性。为了解决这个问题,
得益于计算机网络传输速度的飞快提高,现实世界中实体之间的信息流通日益频繁,大数据时代就此来临。图结构数据建模作为研究实体间交互、组织等关系特征的一种常用方法,在数据挖掘、分析等领域具有重要意义。此外,由于神经网络在特征编码上的强大优势,已提出许多针对图结构数据的神经网络模型在推荐系统、知识图谱等图下游任务上取得巨大成功。作为图数据分析处理的首要环节,图表示学习旨在对实体节点的属性和行为关系进行特征
＜正＞3～6岁是培养幼儿动手能力和大脑技能的关键时期,同时也是培养幼儿创造力和想象力的重要时期。幼儿园创意艺术活动是一种幼儿教学活动,它以幼儿技能发展和个性发展为核心,以教师指导为基础,以课程主体为线索,通过多种艺术表现形式的结合,促进幼儿创意艺术能力的发展。幼儿创意艺术活动属于创意教育的范畴。教师在幼儿教育中开展创造性的艺术活动,有利于锻炼幼儿的思维能力,挖掘幼儿的创造潜能,促进幼儿更好地发展。
当前各式各类的统计结果和科研记录的内容大量出现,数据量不断地提升。如何在这种大数据的背景之下,有效地针对不同类型数据进行分析和研究,从海量的数据中提取有用的知识成为时代当务之急的问题。数据挖掘就是顺应这种需要应运而生发展起来的数据处理技术。聚类就是观察分析各种抽象对象,或者是各种实际对象的规律和特征,并将其中具有一些相似性的目标进行分类分析,目前已逐渐成为一种非常有效的数据挖掘分析方法。然而现有的
太阳射电频谱观测是研究太阳爆发的重要手段,太阳射电爆发蕴含着太阳活动的重要信息。太阳射电频谱分为多种类型,对应不同的物理事件。随着射电频谱仪的发展,观测数据呈海量趋势,人工检测和分类太阳射电频谱已难以满足研究工作的需求。因此,如何高效迅速地从这些海量信息中自动检测出太阳射电爆发并对其分类,对于后续科学研究与空间天气预警和预报显得十分重要。本文利用卷积神经网络和迁移学习方法设计网络模型去分类太阳射电
5G技术的飞速发展和移动智能设备的日益普及,极大地推动了各种基于位置的服务（Location Based Services,LBS）的应用和发展,也产生了海量刻画用户日常行为的用户移动轨迹数据。其中,用户签到数据因其独有特点,使得研究者能够从多个维度对用户的移动行为进行研究分析,让基于用户签到数据的用户位置预测逐渐成为当前研究热点。由于用户签到是用户根据自身需求所进行的一种自发行为,充满了不确定性
随着信息技术的日益发达,网络空间中的数据快速增长,大量数据重复问题产生,而文本匹配是解决这些问题的必备技术,被广泛应用于各种应用系统,比如信息检索、信息流推送、智能问答系统等。文本匹配在英文领域取得了很好的效果,但受语义、结构复杂,词性、情感多样等因素制约,在中文领域仍需深入探究。针对中文文本匹配,本文基于深度学习,开展了如下工作:（1）提出了多粒度内外相关的残差模型,挖掘中文的深度语义信息。首先
盐雾试验、湿热试验存在检测试验周期较长、数据的重复性差等缺点，根据防锈油的性能研究需求，将电化学工作站中的腐蚀试验测试方法应用于防锈油的防锈性能研究中，探究防锈油的电化学性能与盐雾试验、湿热试验数据的相关性。在盐雾试验、湿热试验的基础上，进一步采用电化学循环伏安法研究防锈油的性能，验证了电化学方法研究防锈油的性能与盐雾试验、湿热试验的结果一致性。在实际研究防锈油性能时提高了评估检测效率。
随着第五代通信系统（Fifth Generation Mobile Communication,5G）的到来,车联网开始蓬勃发展,传统云计算（Cloud Computing,CM）的高延时特性等,已经不能满足车联网中的各种智能应用的要求,如自动驾驶、智能娱乐、智能交通等。为了解决这些智能应用对数据的计算、存储和通信的新要求,移动边缘计算（Mobile Edge Computing,MEC）应运而生
细菌可以通过调节分泌系统的蛋白质与宿主蛋白质形成互惠或致病的联系。分泌系统的蛋白质序列具有高度的多样性,并且缺乏明确的分泌标记,使得序列难以被识别和预测。为了满足通过计算方法识别分泌系统的蛋白质序列的需求,一些计算工具已经开发出来。尽管这些计算工具可以在一定程度上帮助研究人员进行生物学实验,但是,因现有方法在识别新的效应子方面效率还是较低,并且无法完成整个细菌基因组的大规模筛选,即使对于当前的最佳