Анализ идеального наблюдателя
Анализ идеального наблюдателя — это метод исследования того, как информация обрабатывается в системе восприятия . [1] [2] [3] Это также основной принцип, которым руководствуются современные исследования восприятия . [4] [5]
Идеальный наблюдатель — это теоретическая система, которая оптимально выполняет конкретную задачу. Если в задаче есть неопределенность, то идеальное выполнение невозможно и идеальный наблюдатель будет допускать ошибки.
Идеальная производительность — это теоретический верхний предел производительности. Теоретически невозможно, чтобы реальная система работала лучше идеальной. Как правило, реальные системы способны обеспечить лишь неидеальную производительность.
Этот прием полезен для анализа психофизических данных (см. Психофизика ).
Определение
[ редактировать ]Было предложено множество определений этого термина.
Гейслер (2003) [6] (слегка переформулировано): Центральным понятием в анализе идеального наблюдателя является идеальный наблюдатель , теоретическое устройство, которое выполняет заданную задачу оптимальным образом с учетом доступной информации и некоторых заданных ограничений. Это не означает, что идеальные наблюдатели действуют без ошибок, а, скорее, они действуют на физическом пределе того, что возможно в данной ситуации. Фундаментальная роль неопределенности и шума подразумевает, что идеальные наблюдатели должны быть определены в вероятностных (статистических) терминах. Анализ идеального наблюдателя включает в себя определение производительности идеального наблюдателя в заданной задаче, а затем сравнение его производительности с производительностью реальной системы восприятия , которая (в зависимости от приложения) может быть системой в целом, подсистемой или элементарным компонентом. системы (например, нейрона).
Последовательный анализ идеального наблюдателя
[ редактировать ]В анализе идеального наблюдателя последовательном [7] цель состоит в том, чтобы измерить дефицит производительности реальной системы (относительно идеальной) на разных этапах обработки. Такой подход полезен при изучении систем, обрабатывающих информацию дискретными (или полудискретными) этапами или модулями.
Естественные и псевдоестественные задачи
[ редактировать ]Чтобы облегчить планирование эксперимента в лаборатории, можно разработать искусственную задачу, позволяющую изучить эффективность системы при выполнении этой задачи. Если задача слишком искусственная, система может быть отодвинута от естественного режима работы. В зависимости от целей эксперимента это может снизить его внешнюю валидность .
В таких случаях может оказаться важным обеспечить естественную (или почти естественную) работу системы, разработав псевдоестественную задачу. Такие задачи по-прежнему являются искусственными, но они пытаются имитировать естественные требования, предъявляемые к системе. Например, в задании могут использоваться стимулы, напоминающие естественные сцены , и может проверяться способность системы выносить потенциально полезные суждения об этих стимулах.
Статистика естественных сцен является основой для расчета идеальной производительности в естественных и псевдоестественных задачах. Этот расчет имеет тенденцию включать элементы теории обнаружения сигналов , теории информации или теории оценки .
Нормально распределенные стимулы
[ редактировать ]Дас и Гейслер [8] описал и рассчитал эффективность обнаружения и классификации идеальных наблюдателей при нормальном распределении стимулов. К ним относятся частота ошибок и матрица путаницы для идеальных наблюдателей, когда стимулы исходят из двух или более одномерных или многомерных нормальных распределений (т. е. да/нет, двухинтервальные , многоинтервальные задачи и общие задачи многокатегорийной классификации), индекс различимости идеального наблюдателя ( байесовского индекса различимости ) и его связь с рабочей характеристикой приемника .
Примечания
[ редактировать ]- ^ Таннер-младший, Уилсон П.; Бердсолл, Т.Г. (1958). «Определения d' и η как психофизических мер» . Журнал Акустического общества Америки . 30 (10): 922–928. дои : 10.1121/1.1909408 . Архивировано из оригинала 26 февраля 2013 года . Проверено 19 августа 2012 г.
- ^ Таннер-младший, WP; Джонс, Р. Кларк (1960). «Идеальная сенсорная система с точки зрения теории статистических решений и теории обнаружения сигналов» . Техники визуального поиска: материалы симпозиума, состоявшегося в Смитсоновском зале, Вашингтон, округ Колумбия, 7 и 8 апреля 1959 года . Национальные академии США . стр. 59–68 . Проверено 19 августа 2012 г.
- ^ В.П. Таннер-младший (1961). «Физиологическое значение психофизических данных» (PDF) . Анналы Нью-Йоркской академии наук . 89 (5): 752–65. дои : 10.1111/j.1749-6632.1961.tb20176.x . hdl : 2027.42/73966 . ПМИД 13775211 . S2CID 7135400 .
- ^ Нилл, Дэвид С.; Уитмен, Ричардс (1996). Восприятие как байесовский вывод . Издательство Кембриджского университета . ISBN 9780521461092 . Проверено 19 августа 2012 г.
- ^ Пелли, Д.Г. (1993). «Квантовая эффективность зрения» . В Блейкморе, Колин (ред.). Видение: кодирование и эффективность . Издательство Кембриджского университета . стр. 3–24. ISBN 9780521447690 . Проверено 19 августа 2012 г.
- ^ Гейслер, Уилсон С. (2003). «Анализ идеального наблюдателя» . В Чалупе, Лео М.; Вернер, Джон С. (ред.). Визуальная нейронаука . МТИ Пресс . стр. 825–837. ISBN 9780262033084 . Проверено 19 августа 2012 г.
- ^ В. С. Гейслер (1989). «Последовательный анализ визуального различения идеальным наблюдателем». Психологический обзор . 96 (2): 267–314. дои : 10.1037/0033-295x.96.2.267 . ПМИД 2652171 .
- ^ Дас, Абранил; Гейслер, Уилсон (2020). «Метод интеграции и классификации нормальных распределений». arXiv : 2012.14331 [ stat.ML ].