Name: creating objects and object categories for studying perception and perceptual learning
Uploaded: 2012-11-02T15:00:00
Duration: 14 min 38 s
Description: Watch this Scientific Journal Video about Creating Objects and Object Categories for Studying Perception and Perceptual Learning at JoVE.com

وأيد هذا العمل في جزء من مختبر أبحاث الجيش الأمريكي والجيش الأمريكي بحوث مكتب W911NF1110105 منحة ومنحة NSF-IOS 1147097to هغدة جاي. وقدمت أيضا الدعم من منحة رائد لهغدة جاي من معهد ديسكفري الرؤية من جامعة جورجيا العلوم الصحية. وأيد دانيال كيرستن من المنح ONR N00014-05-1-0124 وNIH R01 EY015261 والجزء الآخر من البرنامج (جامعة الدرجة العالم) WCU بتمويل من وزارة التعليم والعلوم والتكنولوجيا من خلال مؤسسة البحوث الوطنية لكوريا (R31-10008 ). كارين كان مدعوما من قبل برنامج Hauffen البحوث الجامعية التدريب المهني (URAP) من الجيش الأمريكي.

<ol>
	<li>Palmeri, T. J., Gauthier, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+object+understanding.">Visual object understanding.</a> Nat. Rev. Neurosci. 5, 291-303 (2004).</li><li>Seger, C. A., Miller, E. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Category+learning+in+the+brain.">Category learning in the brain.</a> Annu. Rev. Neurosci. 33, 203-219 (2010).</li><li>Fahle, M., Poggio, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Perceptual Learning. , (2002).</li><li>Ashby, F. G., Maddox, W. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Human+category+learning.">Human category learning.</a> Annu. Rev. Psychol. 56, 149-178 (2005).</li><li>Gauthier, I., Tarr, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Becoming+a+"Greeble"+expert:+exploring+mechanisms+for+face+recognition.">Becoming a "Greeble" expert: exploring mechanisms for face recognition.</a> Vision Res. 37, 1673-1682 (1997).</li><li>Op de Beeck, H. P., Baker, C. I., DiCarlo, J. J., Kanwisher, N. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Discrimination+training+alters+object+representations+in+human+extrastriate+cortex.">Discrimination training alters object representations in human extrastriate cortex.</a> J. Neurosci. 26, 13025-13036 (2006).</li><li>Cui, M. L., Copsey, L., Green, A. A., Bangham, J. A., Coen, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+control+of+organ+shape+by+combinatorial+gene+activity.">Quantitative control of organ shape by combinatorial gene activity.</a> PLoS Biol. 8, e1000538 (2010).</li><li>Green, A. A., Kennaway, J. R., Hanna, A. I., Bangham, J. A., Coen, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genetic+control+of+organ+shape+and+tissue+polarity.">Genetic control of organ shape and tissue polarity.</a> PLoS Biol. 8, e1000537 (2010).</li><li>Hegd&#233;, J., Bart, E., Kersten, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fragment-based+learning+of+visual+object+categories.">Fragment-based learning of visual object categories.</a> Curr. Biol. 18, 597-601 (2008).</li><li>Bart, E., Hegd&#233;, J., Kersten, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fragment-based+learning+of+visual+categories.">Fragment-based learning of visual categories.</a> , 121-12 (2008).</li><li>Ball, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Nature's patterns : a tapestry in three parts. , (2009).</li><li>Vuong, Q. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+categorization:+when+categories+fall+to+pieces.">Visual categorization: when categories fall to pieces.</a> Curr. Biol. 18, 427-429 (2008).</li><li>Kromrey, S., Maestri, M., Hauffen, K., Bart, E., Hegde, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fragment-based+learning+of+visual+object+categories+in+non-human+primates.">Fragment-based learning of visual object categories in non-human primates.</a> PLoS One. 5, e15444 (2010).</li><li>Brady, M. J., Kersten, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bootstrapped+learning+of+novel+objects.">Bootstrapped learning of novel objects.</a> J. Vis. 3, 413-422 (2003).</li><li>Blanz, V., Vetter, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+morphable+model+for+the+synthesis+of+3D+faces.">A morphable model for the synthesis of 3D faces.</a> SIGGAPH. 26, 187-194 (1999).</li><li>Freedman, D. J., Riesenhuber, M., Poggio, T., Miller, E. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Categorical+representation+of+visual+stimuli+in+the+primate+prefrontal+cortex.">Categorical representation of visual stimuli in the primate prefrontal cortex.</a> Science. 291, 312-316 (2001).</li><li>Lerios, A., Garfinkle, C. D., Levoy, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feature-based+volume+metamorphosis.">Feature-based volume metamorphosis.</a> SIGGRAPH. , 449-456 (1995).</li><li>Bronstein, A. M., Bronstein, M. M., Kimmel, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Numerical geometry of non-rigid shapes. , (2008).</li><li>Lotka, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Natural+Selection+as+a+Physical+Principle.">Natural Selection as a Physical Principle.</a> Proc. Natl. Acad. Sci. U.S.A. 8, 151-154 (1922).</li><li>Duda, R. O., Hart, P. E., Stork, D. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern classification. , (2001).</li><li>Bishop, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern recognition and machine learning. , (2006).</li><li>Theodoridis, S., Koutroumbas, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pattern recognition. , (2006).</li><li>Sokal, R. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Biometry+:+The+principles+and+practice+of+statistics+in+biological+research.">Biometry : The principles and practice of statistics in biological research.</a> , (2011).</li><li>Tuffery, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Data mining and statistics for decision making. , (2011).</li><li>Crawley, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Statistical Computing: An Introduction to Data Analysis using S-Plus. , (2002).</li><li>Venables, W. N., Ripley, B. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Modern Applied Statistics with S. , (2003).</li><li>Beier, T., Neely, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feature-based+image+metamorphosis.">Feature-based image metamorphosis.</a> SIGGRAPH. 26, 35-42 (1992).</li><li>Kent, J. R., Carlson, W. E., Parent, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Shape+transformation+for+polyhedral+objects.">Shape transformation for polyhedral objects.</a> SIGGRAPH. 26, 47-54 (1992).</li><li>Gomes, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Warping and morphing of graphical objects. , (1999).</li><li>Ullman, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Object+recognition+and+segmentation+by+a+fragment-based+hierarchy.">Object recognition and segmentation by a fragment-based hierarchy.</a> Trends Cogn. Sci. 11, 58-64 (2007).</li><li>Kobatake, E., Tanaka, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neuronal+selectivities+to+complex+object+features+in+the+ventral+visual+pathway+of+the+macaque+cerebral+cortex.">Neuronal selectivities to complex object features in the ventral visual pathway of the macaque cerebral cortex.</a> J. Neurophysiol. 71, 856-867 (1994).</li><li>Serre, T., Wolf, L., Poggio, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Proceedings of 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR). , (2005).</li><li>Ullman, S., Vidal-Naquet, M., Sali, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+features+of+intermediate+complexity+and+their+use+in+classification.">Visual features of intermediate complexity and their use in classification.</a> Nat. Neurosci. 5, 682-687 (2002).</li><li>Davis, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Computer graphics. , (2011).</li><li>Lengyel, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Mathematics for 3D game programming and computer graphics, third edition. , (2011).</li><li>Gilbert, S. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Developmental biology. , (2010).</li><li>Gilbert, S. F., Epel, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Ecological developmental biology : integrating epigenetics, medicine, and evolution. , (2009).</li><li>Hegd&#233;, J., Thompson, S. K., Brady, M. J., Kersten, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Object+Recognition+in+Clutter:+Cortical+Responses+Depend+on+the+Type+of+Learning.">Object Recognition in Clutter: Cortical Responses Depend on the Type of Learning.</a> Frontiers in Human Neuroscience. 6, 170 (2012).</li><li>Mervis, C. B., Rosch, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Categorization+of+natural+objects.">Categorization of natural objects.</a> Annual Review of Psychology. 32, 89-115 (1981).</li><li>Futuyma, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Evolution. , (2009).</li></ol>

الإعلان عن أي تضارب في المصالح.

فائدة VM وVP المعرفي في بحوث العلوم وقد وصفت في السابق كنا فائدة VM وVP بالتفصيل L9 ،10،12-14. لفترة وجيزة، VM، وخاصة المنهجية الجنين الرقمية، مفيد لأنه يوفر طريقة مرنة والمبدئي لإنشاء الرواية، ولكن طبيعي 3-D الكائنات 14. وبالمثل، VP يوفر طريقة المبدئي لخلق فئات طبيعي 9،10،12،13. تجدر الإشارة إلى أن الفئات التي تم إنشاؤها بواسطة كائن ميزات حصة VP مع العديد من فئات الكائن في الطبيعة، بما في ذلك حقيقة أن الفئات تميل إلى أن تكون هرمية في الطبيعة، والتغيرات ميزة داخل وعبر فئات تنشأ بشكل مستقل عن مجرب والخوارزميات لتصنيف منهم 39. القيود الحالية والاتجاهات المستقبلية ثلاث القيود الحالية من بروتوكول لدينا والاتجاهات للعمل في المستقبل يقترحونوتجدر الإشارة على وجه الخصوص: أولا، كل VM وVP محاكاة العمليات البيولوجية. في حين نعرض التي يمكن استخدامها غير البيولوجية الأشياء الافتراضية بمثابة ركائز لهذه العمليات، والعمليات الأساسية لا تزال دوافع بيولوجيا. ومع ذلك، الأشياء الطبيعية - البيولوجية وغير البيولوجية على حد سواء - تغيرات الشكل بسبب عدم البيولوجية القوات. على سبيل المثال، قد تتغير في شكل الصخور بسبب العمليات الجيولوجية مثل تآكل أو الترسيب. فئات جديدة قد تنشأ من الصخور الجيولوجية من العمليات الأخرى من هذا القبيل. ينبغي أن تكون واضحة نسبيا لإدراج هذه العمليات في جعبته من الخوارزميات المتاحة تغير الشكل. القيد الرئيسي الثاني للبروتوكول لدينا هو أن يقتصر بدلا من ذخيرة الحالي يتغير شكل ديناميكي. من المستحسن أن يتم إدراج أكبر مجموعة من التغييرات الشكل، مثل حركة البيولوجية، أو الحركة بسبب قوى خارجية مثل المياه والرياح أو الجاذبية. نتوقع أنه فيلل تكون واضحة نسبيا إلى أن تمارس الحركة الكمبيوتر يعرف الخوارزميات لتنفيذ هذه التغييرات الشكل الديناميكي. القيد الرئيسي الثالث من البروتوكول لدينا هو أن VM حاليا لا يتضمن العديد من العمليات الأخرى بما في ذلك تخلقية المعروفة، وعلى الأخص، تكون المعيدة 36. كما أنه لا يتضمن بعض القيود المعروفة، مثل حقيقة أن توسطت التشكل في النباتات بشكل كامل عن طريق النمو، مع حركة الخلايا قليلة أو معدومة ممكن، وذلك بسبب جدران الخلايا 36. وبالمثل، لا يتضمن VP غيرها من العمليات النشوء والتطور المعروفة مثل الانحراف الجيني 40. ومعالجة هذه القيود يساعد كثيرا تسهيل استخدام بروتوكول لدينا في المحاكاة والتنموية والبيئية التطورية.

<table border="1" style=";text-align:right;direction:rtl"><tbody><tr><td> اسم مجموعة أدوات / معدات </td><td> شركة / الكاتب </td><td> كتالوج # </td><td> تعليقات </td></tr><tr><td> ورشة عمل الأجنة الرقمية (DEW) </td><td> علامة برادي ودان قو </td><td></td><td> ويمكن تحميل هذا سهل الاستعمال، القائمة يحركها أداة مجانية وتحميل 1 من <a href="http://www.hegde.us/DigitalEmbryos" target="_blank">http://www.hegde.us/DigitalEmbryos</a> . المتاحة حاليا فقط لنظام التشغيل Windows. </td></tr><tr><td> أدوات الجنين الرقمية لسيغوين </td><td> جاي هغدة وHauffen كارين </td><td></td><td> هذه هي عبارة عن مجموعة فضفاضة من ليست بهذه البرامج سهلة الاستخدام. أنها مصممة ليتم تشغيلها من واجهة سطر الأوامر لينكس سيغوين محاكي لنظام التشغيل Windows. ويمكن تحميل هذه البرامج وتحميل 2 من <a href="http://www.hegde.us/DigitalEmbryos" target="_blank">http://ww</a>w.hegde.us / DigitalEmbryos. ويمكن تحميل واجهة سيغوين نفسها مجانا من <a href="http://www.cygwin.com" target="_blank">www.cygwin.com</a> . </td></tr><tr><td> Autodesk 3ds ماكس، مونتريال، كيبيك، كندا </td><td> أوتوديسك وسائل الإعلام و الترفيه </td><td> 3DS ماكس </td><td> هذا هو النمذجة 3-D، الرسوم المتحركة ومجموعة أدوات تقديم مع بنية مرنة والمساعد لغة البرمجة المضمنة. متاحة لمعظم أنظمة التشغيل الحالية. </td></tr><tr><td> MATLAB </td><td> ماثووركس شركة، ناتيك، MA، الولايات المتحدة الأمريكية </td><td> MATLAB </td><td> هذه هي بيئة الحوسبة العددية ولغة البرمجة مع العديد من الميزات الإضافية المفيدة. متاحة لمعظم أنظمة التشغيل الحالية. </td></tr><tr><td> R أدوات إحصائية </td><td> R مشروع الحوسبة الإحصائية </td><td> R </td><td> ويمكن تحميل مسؤولية خالية من <a href="http://www.r-project.org/" target="_blank">http://www.rp</a>roject.org /. متاحة لمعظم أنظمة التشغيل الحالية. </td></tr><tr><td> بينغل </td><td> Khronos المجموعة </td><td> بينغل </td><td> ويمكن تحميل هذه عبر اللغة، عبر منصة أدوات رسومية مجانا من <a href="http://www.opengl.org" target="_blank">www.opengl.org</a> . </td></tr><tr><td> V-فلاش الطابعة الشخصية </td><td> 3D سيستمز، روك هيل، SC، الولايات المتحدة الأمريكية </td><td> V-فلاش </td><td> هذا هو قيمة جيدة لجميع تطبيقات الطباعة 3-D وصفها في هذا التقرير. والمباعة أيضا المواد المطبوعة من قبل أنظمة 3D والنماذج شركة أقل تكلفة متاحة في شكل مفتوح المصدر من RepRap (rapmanusa.com) وMakerGear. نماذج أكثر تكلفة (&gt; $ 30 K) متاحة من هندستها تيوب، أنظمة 3DS، Z-كورب والطباعة البعد الخ. </td></tr><tr><td> <a href="http://www.TurboSquid.com" target="_blank">TurboSquid.com</a> </td><td> TurboSquid شركة، نيويورك، LA </td><td> (كائنات مختلفة) </td><td> ويمكن تحميل مختلف الظاهري 3-D الكائنات من هذا الموقع مجانا أو لقاء رسوم. </td></tr><tr><td></td><td></td><td></td><td> الجدول 1. جدول الأدوات ومعدات معينة. </td></tr></tbody></table>

creating objects and object categories for studying perception and perceptual learning

In order to quantitatively study object perception, be it perception by biological systems or by machines, one needs to create objects and object categories with precisely definable, preferably naturalistic, properties1. Furthermore, for studies on perceptual learning, it is useful to create novel objects and object categories (or object classes) with such properties2.
Many innovative and useful methods currently exist for creating novel objects and object categories3-6 (also see refs. 7,8). However, generally speaking, the existing methods have three broad types of shortcomings.
First, shape variations are generally imposed by the experimenter5,9,10, and may therefore be different from the variability in natural categories, and optimized for a particular recognition algorithm. It would be desirable to have the variations arise independently of the externally imposed constraints.
Second, the existing methods have difficulty capturing the shape complexity of natural objects11-13. If the goal is to study natural object perception, it is desirable for objects and object categories to be naturalistic, so as to avoid possible confounds and special cases.
Third, it is generally hard to quantitatively measure the available information in the stimuli created by conventional methods. It would be desirable to create objects and object categories where the available information can be precisely measured and, where necessary, systematically manipulated (or 'tuned'). This allows one to formulate the underlying object recognition tasks in quantitative terms.
Here we describe a set of algorithms, or methods, that meet all three of the above criteria. Virtual morphogenesis (VM) creates novel, naturalistic virtual 3-D objects called 'digital embryos' by simulating the biological process of embryogenesis14. Virtual phylogenesis (VP) creates novel, naturalistic object categories by simulating the evolutionary process of natural selection9,12,13. Objects and object categories created by these simulations can be further manipulated by various morphing methods to generate systematic variations of shape characteristics15,16. The VP and morphing methods can also be applied, in principle, to novel virtual objects other than digital embryos, or to virtual versions of real-world objects9,13. Virtual objects created in this fashion can be rendered as visual images using a conventional graphical toolkit, with desired manipulations of surface texture, illumination, size, viewpoint and background. The virtual objects can also be 'printed' as haptic objects using a conventional 3-D prototyper.
We also describe some implementations of these computational algorithms to help illustrate the potential utility of the algorithms. It is important to distinguish the algorithms from their implementations. The implementations are demonstrations offered solely as a 'proof of principle' of the underlying algorithms. It is important to note that, in general, an implementation of a computational algorithm often has limitations that the algorithm itself does not have.
Together, these methods represent a set of powerful and flexible tools for studying object recognition and perceptual learning by biological and computational systems alike. With appropriate extensions, these methods may also prove useful in the study of morphogenesis and phylogenesis.

ويمكن استخدام VM لإنشاء إمدادات غير محدودة تقريبا من الأشكال رواية 3-D. وتظهر بعض الأجنة التي تم إنشاؤها باستخدام نموذج رقمي الخوارزمية VM في لوحة أسفل الشكل 1. تم إنشاؤها كل من هذه الأجنة باستخدام 16 من برنامج &quot;growEmbryos.exe &#39;في جنين أدوات رقمية للسيغوين (انظر الجدول 1) لمدة 40 النمو دورات. تم تعيين كافة المعلمات النمو الأخرى داخليا من قبل البرنامج. وكانت معظم هذه المعايير الثابتة (أي متطابقة من جنين واحد إلى آخر). وعدد قليل من المعالم مثل الموقع وقوة مصادر محدثة التخلق، المعلمات عشوائية تعيين داخليا من قبل البرنامج بشكل مستقل لكل التشغيل. نشأت الاختلافات بين هذه الأجنة شكل 16 فقط نتيجة للتغيرات في هذه المعلمات عشوائي. وترد بعض الأمثلة على سطح التركيب 34،35 استخدام بعض القوام اختيار الشكل 2A تعسفا في. مشاهد بصرية منيمكن إنشاء تعقيد rbitrary باستخدام متوفرة تجاريا 3-D النمذجة وجعل البيئة، كما هو مبين في الشكل 2B. ويرد &#39;شجرة العائلة&#39; A ممثل الناتجة عن استخدام الاجنة VP الرقمية في الشكل 3. ويمكن أيضا مقارنة أشجار يتم بناؤها باستخدام كائنات أخرى غير الأجنة الرقمية، كما هو موضح في الشكل 4. لاحظ أنه في كلتا الحالتين، الكائنات التي تشترك في سلف مشترك بشكل مباشر تشكل فئة، على الرغم من أن المجرب قد تختار أيضا لتعريف الفئة عن أي مجموعة أخرى من الكائنات. تجدر الإشارة إلى أن من الشكل 4 تنفيذنا الحالي للVM والخوارزميات VP يميل إلى إنتاج نحو سلس نسبيا، الأسطح المنحنية، بدلا من الكائنات خشنة أو شقة. ومن الجدير بالذكر أيضا أن هذا هو المفترض الحد من تنفيذنا لهذه الخوارزميات وليس الخوارزميات أنفسهم، يمكن أن تنتج منذ عمليات biolological objecTS مع الأسطح المسطحة والخطوط المتعرجة (على سبيل المثال، ورقة الورد). أرقام 5 و 6 توضيح النتائج نموذجية من طريقتين التي يمكن استخدامها بالإضافة إلى، أو بدلا من، نائب الرئيس لخلق اختلافات في الشكل المبدئي والفئات كائن كائن. لوحة أعلى الشكل 7 يوضح الاداءات البصرية اثنين من الأجنة الرقمية، والجزء السفلي من لوحة الشكل 7 يوضح المطبوعات المقابلة التي تم إنشاؤها بواسطة prototyper 3-D متاحة تجاريا. أرقام 8 و 9 توضيح الإجراءات المذكورة في القسم (6) لاستخدام أجزاء الصورة لتصنيف كائن معطى البصرية. <img alt="الشكل 1" fo:content-width="4in" fo:src="/files/ftp_upload/3358/3358fig1highres.jpg" src="/files/ftp_upload/3358/3358fig1.jpg" /> الشكل 1. الظاهري التشكل. </STRONG&gt; لوحة أسفل يوضح نوع من أنواع الرواية الطبيعية، والكائنات 3-D الظاهري يسمى &quot;الأجنة الرقمية&quot; 14. يمكن أن تتولد من خلال محاكاة رقمية الأجنة واحد أو أكثر من بعض العمليات البيولوجية الأساسية لمرحلة التطور الجنيني: محدثة التخلق بوساطة انقسام الخلايا، نمو الخلايا، وحركة الخلية وموت الخلية المبرمج 7،8،36،37. كل تشغيل يبدأ العشروني الوجوه (كما هو موضح في اللوحة العلوية)، ويولد الجنين فريدة من نوعها، اعتمادا على إعدادات المعلمة VM (أو &quot;النمط الجيني &#39;) من ذلك الجنين. وهكذا، فإن 16 في الأجنة لوحة أسفل يكون مختلف الأشكال، لأن لديهم أنماط جينية جميع مختلفة. لاحظ أنه يمكن إنشاء أشكال معقدة أبسط أو أكثر حسب الحاجة (على سبيل المثال، لتحفيز الخلايا العصبية على النحو الأمثل في مستوى معين من التسلسل الهرمي البصري) عن طريق التلاعب في التركيب الوراثي للجنين. وكانت جميع العمليات المذكورة أعلاه باستثناء تخلقي موت الخلايا المبرمج محاكاة في توليد أجنة مبين. محاكاة موت الخلايا المبرمج هو خاصةمفيدة لخلق المسافات البادئة المستهدفة (لا يظهر). <img alt="الشكل 2" fo:content-width="3.6in" fo:src="/files/ftp_upload/3358/3358fig2highres.jpg" src="/files/ftp_upload/3358/3358fig2.jpg" /> الشكل 2. خلق المحفزات البصرية باستخدام أجنة الرقمية. مثل أي كائن 3-D الظاهري، ويمكن التلاعب بالرسوم والصور الرقمية أجنة لخلق مشاهد بصرية التعسفي من التعقيد باستخدام أي معيار 3-D أدوات رسومية. هذا الرقم يوضح بعض التلاعب المشتركة. (A) الجنين نفسه الرقمية هو محكم باستخدام مواد مختلفة وكثيرة، ومضاءة من مصدر ضوء مرئي في أعلى اليسار. (B) يتم إنشاء مشهد مموهة عن طريق تغيير حجم وإعادة توجيه الجنين الرقمية و وضع رقميا على خلفية نفس كان محكم مع. ويمكن الاطلاع على الجنين الرقمية في &quot;عرض عادي&quot; في الربع السفلي الأيمن. للحصول على أمثلة إضافية من لجنة المساواة العرقية المحفزات البصريةated باستخدام أجنة الرقمية، انظر الحكام. 9،10،12-14،38. <img alt="الشكل 3" fo:content-width="5in" fo:src="/files/ftp_upload/3358/3358fig3highres.jpg" src="/files/ftp_upload/3358/3358fig3.jpg" /> الشكل 3. إنشاء فئات الجنين الرقمية باستخدام VP. الخوارزمية VP يحاكي التطور البيولوجي، في أنه في كلتا الحالتين، وكائنات وفئات رواية كائن ستخرج الموروثة عن الاختلافات تتراكم بشكل انتقائي. في كل جيل G ط، اختيار الأجنة الإنجاب، مما يؤدي إلى توليد G ط +1. على سلالة ترث خصائص شكل الأم، ولكن تعود الاختلافات شكل خاص بهم (على النحو الذي يحدده الاختلافات الصغيرة في التركيب الوراثي لها) لأنها تتطور. يعرض هذا الشكل &quot;شجرة العائلة&quot; لثلاثة أجيال من نسل بدءا من سلف واحد مشترك، وهو العشروني الوجوه. نلاحظ أنه، في هذه الحالة، فإن الزيادات تعقيد شكل من العشروني الوجوه لgeneratأيون G 1، ولكن ليس من G 1 فصاعدا. هذا لأنه تم السماح الزيادة في أعداد خلايا (أي.، انقسام الخلية) من العشروني الوجوه لجيل G 1، ولكن ليس من فصاعدا 1 G. بشكل عام، انقسام الخلايا تميل إلى زيادة تعقيد الشكل، في حين تخلقية عمليات أخرى مثل حركة الخلايا وتغير شكل الخلية النمو دون تغيير التعقيد الكلي للشكل. <img alt="الشكل 4" fo:content-width="6in" fo:src="/files/ftp_upload/3358/3358fig4highres.jpg" src="/files/ftp_upload/3358/3358fig4.jpg" /> الشكل 4. VP باستخدام الأشياء الافتراضية بخلاف الأجنة الرقمية. هذا الرقم يساعد على توضيح المبدأ العام التي يمكن استخدامها كائنات افتراضية أخرى من الأجنة الرقمية كمدخل لنائب الرئيس. يمكن الخوارزمية VP في شكلها الحالي تعمل على أي كائن الظاهري 3-D الذي يتكون فقط من سطح المثلثات. الجيل G 1 comprisإد من (من اليسار إلى اليمين) والقرع، والماس، وقناع الوجه، والتفاح، والصخور، والصبار. لاحظ أن الكائنات في الجيل G 1 في هذا الرقم لم يكن لديك سلف مشترك، وذلك لأن VP لا تتطلب ذلك. الكائنات في G 2 G 3 وتمثل نسل الصخرة في G 1. لا سمح الانقسامات الخلوية في أي جيل، حتى يتسنى لجميع الاختلافات نشأت فقط من شكل الحركة و / أو النمو من &#39;الخلايا الفردية للكائن معين. <img alt="الشكل 5" fo:content-width="6.5in" fo:src="/files/ftp_upload/3358/3358fig5highres.jpg" src="/files/ftp_upload/3358/3358fig5.jpg" /> الشكل 5. باستخدام تتحول لخلق اختلافات في الشكل السلس. مورفينغ ينطوي على اتخاذ كائنين معين (أقصى اليسار وأقصى اليمين الجنين في هذا الشكل) وحساب الكائنات وسيطة (التدخل الأجنة) من التحريف بين القمم المقابلة من اختيار متكلمينكائنات د. في حالة عرض، ومحرف جميع القمم باستخدام عامل العددية نفسه، مما أدى إلى الخطية تتحول. ومع ذلك، فمن الممكن أيضا أن تتحول الكائنات غير خطي (لا يظهر). تتحول حسابيا واضح ومباشر عندما يكون هناك بالضبط واحد الى واحد المراسلات بين كائنين من القمم، كما في حالة معروضة. ومع ذلك فإنه من الممكن من حيث المبدأ، ليتحول بين أي جسمين الظاهري نظرا بغض النظر عما إذا القمم التي تتوافق بالضبط، رغم عدم وجود طريقة فريدة للقيام بذلك المبدئي 17،18. <img alt="الشكل 6" fo:content-width="6in" fo:src="/files/ftp_upload/3358/3358fig6highres.jpg" src="/files/ftp_upload/3358/3358fig6.jpg" /> الشكل 6. باستخدام المكونات الرئيسية لخلق اختلافات في الشكل السلس. (A) متوسط ​​الجنين. هذا الجنين يمثل المتوسط ​​الحسابي من 400 الأجنة (200 من كل من الفئات K L وفيالشكل 3). تم حساب المكونات الرئيسية كما هو موضح في الخطوة 4.3. نلاحظ أن المكونات الرئيسية تمثل مستقلة عن بعضها، أبعاد الشكل المجرد للأجنة 400 (لا تظهر) 25،26. 400 399 الأجنة تسفر صفرية المكونات الرئيسية 25،26، والتي تشكل في مجموعها ما الفرق في كل شيء، أو المعلومات الشكل، تتوفر مجتمعة في الأجنة. من الاتفاقية، يتم ترتيب العناصر الرئيسية في النظام انخفاض القيم الذاتية، أو نسبة التباين الكلي يشرحون 25،26. في هذه الحالة، الأولى والثانية على التوالي تمثل المكونات الرئيسية لل73٪ و 19٪ من المعلومات المتاحة في شكل الأجنة 400. (B) الأجنة التي تمثل مختلف الأوزان (أو على نحو أدق، القيم الذاتية المرجح) من المكونات الرئيسية 1. الأوزان تختلف من +2 (أقصى اليسار) ل-2 (أقصى اليمين) في خطوات متساوية من -0،2. (C) التي تمثل أوزان الأجنة مختلفة من Compon الرئيسيةالأنف والحنجرة 2. الأوزان تختلف أيضا من +2 (أقصى اليسار) ل-2 (أقصى اليمين) في خطوات متساوية من -0.2. نلاحظ أن التلاعب المكونات الرئيسية لا حصرا أي تلاعب نظرا جزء من الجسم محددة للجنين (على سبيل المثال، أجنحة الجنين في حالة معروضة). ومع ذلك، إذا لزم الأمر، وأجزاء الجسم الظاهري يمكن 3-D يمكن معالجته الكائنات في أي أزياء التعسفي المعرفة من قبل المستخدم باستخدام أكثر من المتاحة تجاريا 3-D بيئات النمذجة (لا يظهر). <img alt="الشكل 7" fo:content-width="4in" fo:src="/files/ftp_upload/3358/3358fig7highres.jpg" src="/files/ftp_upload/3358/3358fig7.jpg" /> الشكل 7. إنشاء كائنات لمسي. الظاهري 3-D يمكن الكائنات المطبوعة &quot;ككائنات لمسي باستخدام معيار، متوفرة تجاريا 3-D &#39;طابعة&#39; أو prototyper. هذا الرقم يدل الأجنة الرقمية المقدمة والكائنات المرئية (الصف العلوي) أو لمسي الكائنات المقابلة (الصف السفلي). الكائنات مسي قوطبعت hown في هذا الرقم أن يكون حوالي 6 سم (شريط مقياس = 1 سم)، على الرغم من يمكن طباعة الكائنات في أحجام أصغر بكثير أو أكبر. <img alt="الرقم 8" src="/files/ftp_upload/3358/3358fig8.jpg" /> الشكل 8. قالب لجزء سبيل المثال بالمعلومات. في هذا المثال، القالب يحتوي على عتبة 0،69 المرتبطة به. <img alt="الشكل 9" fo:content-width="2.5in" fo:src="/files/ftp_upload/3358/3358fig9highres.jpg" src="/files/ftp_upload/3358/3358fig9.jpg" /> الشكل 9. صورة جديدة لالذي لا يعرف فئة الكائن ويجب أن تحدد.

Watch this Scientific Journal Video about Creating Objects and Object Categories for Studying Perception and Perceptual Learning at JoVE.com

Creating Objects and Object Categories for Studying Perception and Perceptual Learning

وصفنا منهجية جديدة لخلق طبيعي 3-D الكائنات والفئات الكائن مع وجود اختلافات ميزة محددة بدقة. نستخدم محاكاة العمليات البيولوجية وعلم تطور السلالات من التشكل لإنشاء وطبيعي رواية الظاهري الكائنات 3-D والفئات الكائن الذي يمكن بعد ذلك تقديم والصور المرئية أو كائنات لمسي.

إنشاء كائنات وفئات كائن لدراسة الإدراك الحسي والتعلم

In order to quantitatively study object perception, be it perception by biological systems or by machines, one needs to create objects and object ...

Research

JoVE Journal

Neuroscience

C. elegans Positive Butanone Learning, Short-term, and Long-term Associative Memory Assays

C. elegans Positive Butanone Learning, Short-term, and Long-term Associative Memory Assays

جيم ايليجانس Butanone التعلم الإيجابي ، قصيرة الأجل وطويلة الأجل فحوصات الذاكرة الترابطية

The memory of experiences and learned information is critical for organisms to make choices that aid their survival. C. elegans navigates its environment ...

Using Affordable LED Arrays for Photo-Stimulation of Neurons

بأسعار معقولة باستخدام صفائف الصمام لتحفيز الخلايا العصبية ، صور

Standard slice electrophysiology has allowed researchers to probe individual components of neural circuitry by recording electrical responses of single ...

Selective Viral Transduction of Adult-born Olfactory Neurons for Chronic in vivo Optogenetic Stimulation

Selective Viral Transduction of Adult-born Olfactory Neurons for Chronic in vivo Optogenetic Stimulation

الفيروسية تنبيغ الانتقائي للبالغين المولودين في الخلايا العصبية الشمية لالمزمنة في الجسم الحي تحفيز Optogenetic

Local interneurons are continuously regenerated in the olfactory bulb of adult rodents1-3. In this process, called adult neurogenesis, neural stem cells ...

MPI CyberMotion Simulator: Implementation of a Novel Motion Simulator to Investigate Multisensory Path Integration in Three Dimensions

MPI سيبرموتيون محاكي: تنفيذ جهاز محاكاة الحركة الرواية المعنية بالتحقيق في مسار التكامل متعدد الحواس في ثلاثة أبعاد

Path integration is a process in which self-motion is integrated over time to obtain an estimate of one's current position relative to a starting point 1. ...

High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain

عالية الدقة التصوير بالرنين المغناطيسي الوظيفي للطرق الدماغ المتوسط ​​الإنسان

Functional MRI (fMRI) is a widely used tool for non-invasively measuring correlates of human brain activity. However, its use has mostly been focused upon ...

Optical Recording of Suprathreshold Neural Activity with Single-cell and Single-spike Resolution

بصري تسجيل النشاط العصبي للقرار suprathreshold وحيدة الخلية واحد مسمار-

Signaling of information in the vertebrate central nervous system is often carried by populations of neurons rather than individual neurons. Also ...

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

القشرية حيوية رسم الخرائط باستخدام MEG في وقت واحد / EEG ومقيدة في تقدير الحد الأدنى تشريحيا القواعد والمعايير: مثال الانتباه السمعية

Magneto- and electroencephalography (MEG/EEG) are neuroimaging techniques that provide a high temporal resolution particularly suitable to investigate the ...

Drosophila Adult Olfactory Shock Learning

Drosophila Adult Olfactory Shock Learning

ذبابة الفاكهة الكبار الشم صدمة التعلم

Drosophila have been used in classical conditioning experiments for over 40 years, thus greatly facilitating our understanding of memory, including the ...

Whole Mount Immunolabeling of Olfactory Receptor Neurons in the Drosophila Antenna

Whole Mount Immunolabeling of Olfactory Receptor Neurons in the Drosophila Antenna

كله من جبل Immunolabeling الشم مستقبلات الخلايا العصبية في<em&gt; ذبابة الفاكهة</em&gt; الهوائي

Odorant molecules bind to their target receptors in a precise and coordinated manner. Each receptor recognizes a specific signal and relays this ...

Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo

Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo

الطريقة الكهربية لالردود تسجيل بين الخلايا الجهد ل<em&gt; ذبابة الفاكهة</em&gt; خلايا مستقبلة للضوء وInterneurons إلى النور المحفزات<em&gt; في فيفو</em

Voltage responses of insect photoreceptors and visual interneurons can be accurately recorded with conventional sharp microelectrodes. The method ...