知覺(jué)學(xué)習(xí)：經(jīng)驗(yàn)如何形成視覺(jué)感知

目　　錄
Perceptual Learning: How Experience Shapes Visual Perception
譯者序
前言
第一部分　概述
第1章　知覺(jué)學(xué)習(xí)的原理2
1.1　經(jīng)驗(yàn)和學(xué)習(xí)在知覺(jué)中的重要性2
1.2　實(shí)驗(yàn)室中的知覺(jué)學(xué)習(xí)4
1.3　可塑性與穩(wěn)定性7
1.4　提高人類(lèi)表現(xiàn)中的信噪比12
1.5　重加權(quán)與表征變化14
1.6　生成模型和優(yōu)化知覺(jué)學(xué)習(xí)的重要性18
1.7　總結(jié)與概述19
參考文獻(xiàn)20
第二部分　現(xiàn)象學(xué)
第2章　視覺(jué)任務(wù)中的知覺(jué)學(xué)習(xí)26
2.1　知覺(jué)專長(zhǎng)和知覺(jué)可塑性26
2.2　視覺(jué)知覺(jué)學(xué)習(xí)27
2.3　通過(guò)表征選擇學(xué)習(xí)還是通過(guò)創(chuàng)造學(xué)習(xí)28
2.4　知覺(jué)學(xué)習(xí)研究的一種典型結(jié)構(gòu)29
2.5　訓(xùn)練特征與任務(wù)類(lèi)型32
2.6　單一特征的知覺(jué)學(xué)習(xí)34
2.6.1　方向34
2.6.2　空間頻率35
2.6.3　相位36
2.6.4　對(duì)比度36
2.6.5　顏色37
2.6.6　敏銳度38
2.6.7　超銳度39
2.6.8　總結(jié)41
2.7　知覺(jué)學(xué)習(xí)模式41
2.7.1　復(fù)合刺激42
2.7.2　紋理、全局模式和搜索42
2.7.3　深度44
2.7.4　運(yùn)動(dòng)45
2.7.5　總結(jié)47
2.8　對(duì)象知覺(jué)學(xué)習(xí)和自然刺激48
2.8.1　輪廓、形狀和對(duì)象48
2.8.2　面部和實(shí)體49
2.8.3　生物運(yùn)動(dòng)50
2.8.4　總結(jié)51
2.9　結(jié)論51
參考文獻(xiàn)53
第3章　特異性與遷移性59
3.1　在知覺(jué)學(xué)習(xí)中的特異性和遷移性59
3.2　評(píng)估特異性和遷移性的范式61
3.3　任務(wù)結(jié)構(gòu)分析63
3.4　行為證據(jù)66
3.4.1　視網(wǎng)膜位置特異性66
3.4.2　眼部特異性68
3.4.3　特征和對(duì)象特異性69
3.4.4　一階和二階特異性71
3.4.5　判斷特異性73
3.4.6　環(huán)境特異性74
3.4.7　總結(jié)76
3.5　影響特異性和遷移性的因素77
3.5.1　任務(wù)難度和刺激精度77
3.5.2　適應(yīng)性與特異性79
3.5.3　訓(xùn)練的程度和特異性80
3.5.4　通過(guò)交叉訓(xùn)練激活遷移性81
3.5.5　總結(jié)84
3.6　測(cè)量尺度、適應(yīng)性估計(jì)、解耦訓(xùn)練和遷移性評(píng)估—未來(lái)研究的方向84
3.7　結(jié)論85
3.8　附錄A：實(shí)驗(yàn)范式、分析方法、特異性和遷移性指數(shù)86
3.8.1　冪函數(shù)或指數(shù)學(xué)習(xí)以及特異性測(cè)量87
3.8.2　無(wú)基線的遷移范式88
3.8.3　有基線的遷移范式89
3.8.4　訓(xùn)練遷移范式91
3.8.5　交替訓(xùn)練范式92
3.8.6　不平等試驗(yàn)混合范式92
3.8.7　總結(jié)93
3.9　附錄B：度量精細(xì)度的影響93
參考文獻(xiàn)95
第三部分　機(jī)制
第4章　知覺(jué)學(xué)習(xí)機(jī)制102
4.1　知覺(jué)學(xué)習(xí)機(jī)制的信號(hào)和噪聲分析102
4.2　信號(hào)檢測(cè)理論103
4.3　觀察者模型表現(xiàn)的系統(tǒng)分析104
4.3.1　人類(lèi)表現(xiàn)的觀察者模型104
4.3.2　知覺(jué)模板模型105
4.3.3　使用外部噪聲方法確定PTM107
4.4　利用外部噪聲研究知覺(jué)學(xué)習(xí)109
4.4.1　PTM中知覺(jué)學(xué)習(xí)的機(jī)制和特征109
4.4.2　一種典型的知覺(jué)學(xué)習(xí)的外部噪聲研究111
4.5　視覺(jué)任務(wù)中知覺(jué)學(xué)習(xí)的機(jī)制113
4.5.1　利用外部噪聲理解知覺(jué)學(xué)習(xí)113
4.5.2　不同知覺(jué)學(xué)習(xí)機(jī)制的分離表達(dá)116
4.5.3　PTM和外部噪聲方法的應(yīng)用119
4.5.4　總結(jié)120
4.6　結(jié)論120
4.7　附錄121
4.7.1　指定PTM121
4.7.2　指定模板122
4.7.3　知覺(jué)學(xué)習(xí)機(jī)制的詳細(xì)特性125
4.7.4　PTM的細(xì)化127
參考文獻(xiàn)130
第5章　生理基礎(chǔ)134
5.1　知覺(jué)學(xué)習(xí)的生物學(xué)基礎(chǔ)134
5.2　生理基礎(chǔ)136
5.2.1　大腦功能區(qū)136
5.2.2　視覺(jué)系統(tǒng)137
5.2.3　知覺(jué)決策、獎(jiǎng)勵(lì)和注意力的回路141
5.2.4　討論143
5.3　用生物學(xué)來(lái)理解學(xué)習(xí)143
5.4　來(lái)自單細(xì)胞記錄的證據(jù)145
5.4.1　特征的知覺(jué)學(xué)習(xí)146
5.4.2　模式的知覺(jué)學(xué)習(xí)151
5.4.3　物體和場(chǎng)景的知覺(jué)學(xué)習(xí)154
5.4.4　單細(xì)胞實(shí)驗(yàn)中的知覺(jué)學(xué)習(xí)綜述 157
5.5　來(lái)自腦成像的證據(jù)158
5.5.1　特征的知覺(jué)學(xué)習(xí)159
5.5.2　模式的知覺(jué)學(xué)習(xí)161
5.5.3　物體的知覺(jué)學(xué)習(xí)164
5.5.4　知覺(jué)學(xué)習(xí)的腦成像研究綜述164
5.6　討論166
5.6.1　重加權(quán)在哪里167
5.6.2　與內(nèi)部噪聲和觀察者模型的關(guān)系168
5.6.3　詳細(xì)計(jì)算研究169
5.7　結(jié)論170
參考文獻(xiàn)170
第四部分　模型
第6章　知覺(jué)學(xué)習(xí)模型178
6.1　建模的目標(biāo)178
6.2　知覺(jué)學(xué)習(xí)的經(jīng)典模型180
6.3　重加權(quán)假設(shè)與AHRM模型184
6.3.1　通過(guò)通道重加權(quán)進(jìn)行知覺(jué)學(xué)習(xí)184
6.3.2　AHRM的發(fā)展186
6.4　AHRM的測(cè)試和應(yīng)用187
6.4.1　非穩(wěn)定環(huán)境下的知覺(jué)學(xué)習(xí)188
6.4.2　知覺(jué)學(xué)習(xí)的基本機(jī)制192
6.4.3　高噪聲和低噪聲下學(xué)習(xí)的非對(duì)稱遷移193
6.4.4　預(yù)訓(xùn)練機(jī)制的影響194
6.4.5　多任務(wù)的協(xié)同學(xué)習(xí)分析196
6.5　學(xué)習(xí)的其他重加權(quán)模型197
6.6　總結(jié)199
6.7　未來(lái)方向200
6.8　附錄：AHRM實(shí)現(xiàn)細(xì)則201
6.8.1　表征模塊201
6.8.2　特定于任務(wù)的決策模塊203
6.8.3　學(xué)習(xí)模塊204
6.8.4　自適應(yīng)偏差或標(biāo)準(zhǔn)控制204
參考文獻(xiàn)205
第7章　反饋208
7.1　知覺(jué)學(xué)習(xí)中的反饋208
7.2　經(jīng)驗(yàn)研究文獻(xiàn)209
7.3　學(xué)習(xí)規(guī)則和反饋210
7.4　反饋和AHRM213
7.4.1　非平穩(wěn)外部噪聲環(huán)境下的反饋和學(xué)習(xí)213
7.4.2　目標(biāo)訓(xùn)練的準(zhǔn)確性和逐項(xiàng)試驗(yàn)反饋214
7.4.3　包括高準(zhǔn)確性試驗(yàn)的混合215
7.4.4　建模逐項(xiàng)試驗(yàn)、錯(cuò)誤、隨機(jī)和反向反饋217
7.4.5　建模塊反饋219
7.4.6　訓(xùn)練不對(duì)稱與誘導(dǎo)偏差220
7.5　多刺激識(shí)別中的學(xué)習(xí)222
7.6　總結(jié)224
7.7　未來(lái)方向225
參考文獻(xiàn)226
第8章　對(duì)遷移性和特異性進(jìn)行建模229
8.1　集成重加權(quán)理論229
8.2　對(duì)遷移性的日常類(lèi)比230
8.3　分層表