Rejecting probability summation for RF patterns, not so Quick!
Notice bibliographique
Résumé
Investigations of shape processing frequently use radial frequency (RF) patterns. An RF pattern is a circular contour with a periodic modulation applied to its radius. The way in which the visual system detects these patterns has been studied in several previous summation experiments. Typically data is compared to predictions from a model that detects each part of the pattern independently and then combines those local outputs through probability summation (these models predict less summation). This is then rejected in favour of a model that detects the whole RF pattern globally (predicting more summation). The “Quick pooling” probability summation model they use is based on the High Threshold Theory (HTT) of detection however, which lacks empirical support. In our study we first measured receiver operating characteristic curves to demonstrate that models of RF pattern detection should be based on Signal Detection Theory (SDT). Our data followed the SDT prediction (curved lines) rather than the HTT prediction (straight lines). We then measured psychometric functions for a four-cycle RF pattern as its lobes were modulated individually and in combination. We also collected data for summation between individual cycles in a quad of RF patterns to see whether within-RF summation differed from between-RF summation. Although thresholds for the between-RF condition were higher, the level of summation was very similar to that in the within-RF condition. We analysed our data using a maximum-likelihood fit of SDT-based additive and probability summation models. These include five parameters: individual gains for each cycle of the RF and a transducer exponent. We find that our probability summation model is able to provide as good a fit to both datasets as the additive summation (global) model. We discuss how the use of a HTT model may have led to premature rejection of probability summation in the past. Meeting abstract presented at VSS 2015
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,160 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,004 | 0,013 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».