知覺學習：經(jīng)驗如何形成視覺感知

目　　錄
Perceptual Learning: How Experience Shapes Visual Perception
譯者序
前言
第一部分　概述
第1章　知覺學習的原理2
1.1　經(jīng)驗和學習在知覺中的重要性2
1.2　實驗室中的知覺學習4
1.3　可塑性與穩(wěn)定性7
1.4　提高人類表現(xiàn)中的信噪比12
1.5　重加權與表征變化14
1.6　生成模型和優(yōu)化知覺學習的重要性18
1.7　總結與概述19
參考文獻20
第二部分　現(xiàn)象學
第2章　視覺任務中的知覺學習26
2.1　知覺專長和知覺可塑性26
2.2　視覺知覺學習27
2.3　通過表征選擇學習還是通過創(chuàng)造學習28
2.4　知覺學習研究的一種典型結構29
2.5　訓練特征與任務類型32
2.6　單一特征的知覺學習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41
2.7　知覺學習模式41
2.7.1　復合刺激42
2.7.2　紋理、全局模式和搜索42
2.7.3　深度44
2.7.4　運動45
2.7.5　總結47
2.8　對象知覺學習和自然刺激48
2.8.1　輪廓、形狀和對象48
2.8.2　面部和實體49
2.8.3　生物運動50
2.8.4　總結51
2.9　結論51
參考文獻53
第3章　特異性與遷移性59
3.1　在知覺學習中的特異性和遷移性59
3.2　評估特異性和遷移性的范式61
3.3　任務結構分析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76
3.5　影響特異性和遷移性的因素77
3.5.1　任務難度和刺激精度77
3.5.2　適應性與特異性79
3.5.3　訓練的程度和特異性80
3.5.4　通過交叉訓練激活遷移性81
3.5.5　總結84
3.6　測量尺度、適應性估計、解耦訓練和遷移性評估—未來研究的方向84
3.7　結論85
3.8　附錄A：實驗范式、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)學習以及特異性測量87
3.8.2　無基線的遷移范式88
3.8.3　有基線的遷移范式89
3.8.4　訓練遷移范式91
3.8.5　交替訓練范式92
3.8.6　不平等試驗混合范式92
3.8.7　總結93
3.9　附錄B：度量精細度的影響93
參考文獻95
第三部分　機制
第4章　知覺學習機制102
4.1　知覺學習機制的信號和噪聲分析102
4.2　信號檢測理論103
4.3　觀察者模型表現(xiàn)的系統(tǒng)分析104
4.3.1　人類表現(xiàn)的觀察者模型104
4.3.2　知覺模板模型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學習109
4.4.1　PTM中知覺學習的機制和特征109
4.4.2　一種典型的知覺學習的外部噪聲研究111
4.5　視覺任務中知覺學習的機制113
4.5.1　利用外部噪聲理解知覺學習113
4.5.2　不同知覺學習機制的分離表達116
4.5.3　PTM和外部噪聲方法的應用119
4.5.4　總結120
4.6　結論120
4.7　附錄121
4.7.1　指定PTM121
4.7.2　指定模板122
4.7.3　知覺學習機制的詳細特性125
4.7.4　PTM的細化127
參考文獻130
第5章　生理基礎134
5.1　知覺學習的生物學基礎134
5.2　生理基礎136
5.2.1　大腦功能區(qū)136
5.2.2　視覺系統(tǒng)137
5.2.3　知覺決策、獎勵和注意力的回路141
5.2.4　討論143
5.3　用生物學來理解學習143
5.4　來自單細胞記錄的證據(jù)145
5.4.1　特征的知覺學習146
5.4.2　模式的知覺學習151
5.4.3　物體和場景的知覺學習154
5.4.4　單細胞實驗中的知覺學習綜述 157
5.5　來自腦成像的證據(jù)158
5.5.1　特征的知覺學習159
5.5.2　模式的知覺學習161
5.5.3　物體的知覺學習164
5.5.4　知覺學習的腦成像研究綜述164
5.6　討論166
5.6.1　重加權在哪里167
5.6.2　與內部噪聲和觀察者模型的關系168
5.6.3　詳細計算研究169
5.7　結論170
參考文獻170
第四部分　模型
第6章　知覺學習模型178
6.1　建模的目標178
6.2　知覺學習的經(jīng)典模型180
6.3　重加權假設與AHRM模型184
6.3.1　通過通道重加權進行知覺學習184
6.3.2　AHRM的發(fā)展186
6.4　AHRM的測試和應用187
6.4.1　非穩(wěn)定環(huán)境下的知覺學習188
6.4.2　知覺學習的基本機制192
6.4.3　高噪聲和低噪聲下學習的非對稱遷移193
6.4.4　預訓練機制的影響194
6.4.5　多任務的協(xié)同學習分析196
6.5　學習的其他重加權模型197
6.6　總結199
6.7　未來方向200
6.8　附錄：AHRM實現(xiàn)細則201
6.8.1　表征模塊201
6.8.2　特定于任務的決策模塊203
6.8.3　學習模塊204
6.8.4　自適應偏差或標準控制204
參考文獻205
第7章　反饋208
7.1　知覺學習中的反饋208
7.2　經(jīng)驗研究文獻209
7.3　學習規(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)境下的反饋和學習213
7.4.2　目標訓練的準確性和逐項試驗反饋214
7.4.3　包括高準確性試驗的混合215
7.4.4　建模逐項試驗、錯誤、隨機和反向反饋217
7.4.5　建模塊反饋219
7.4.6　訓練不對稱與誘導偏差220
7.5　多刺激識別中的學習222
7.6　總結224
7.7　未來方向225
參考文獻226
第8章　對遷移性和特異性進行建模229
8.1　集成重加權理論229
8.2　對遷移性的日常類比230
8.3　分層表