Name: a psychophysics paradigm for the collection and analysis of similarity judgments
Uploaded: 2022-03-01T13:45:00
Description: Watch this Scientific Journal Video about A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments at JoVE.com

이 연구는 국립 보건원 (NIH)의 기금으로 지원되며 EY07977을 부여합니다. 저자는 또한 소프트웨어 테스트에 도움을 준 Usman Aiyaz와 원고에 대한 그의 의견에 대해 Muhammad Naeem Ayyaz에게 감사하고 싶습니다.

실험을 시작하기 전에 모든 피험자는 제도적 지침과 헬싱키 선언에 따라 정보에 입각 한 동의를 제공합니다. 이 연구의 경우,이 프로토콜은 Weill Cornell Medical College의 기관 검토위원회에 의해 승인되었습니다.
1. 설치 및 설정
<ol><li>GitHub 리포지토리, 유사성(https://github.com/jvlab/similarities)에서 코드를 다운로드합니다. 명령 줄에서 실행 : git 복제 https://github.com/jvl...

<ol>
	<li>Edelman, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Representation+is+representation+of+similarities.">Representation is representation of similarities.</a> TheBehavioral and Brain Sciences. 21 (4), 449-498 (1998).</li><li>Hahn, U., Chater, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Concepts+and+similarity.">Concepts and similarity.</a> Knowledge, Concepts and Categories. , 43-84 (1997).</li><li>Kriegeskorte, N., Kievit, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Representational+geometry:+integrating+cognition,+computation,+and+the+brain.">Representational geometry: integrating cognition, computation, and the brain.</a> Trends in Cognitive Sciences. 17 (8), 401-412 (2013).</li><li>Hebart, M. N., Zheng, C. Y., Pereira, F., Baker, C. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Revealing+the+multidimensional+mental+representations+of+natural+objects+underlying+human+similarity+judgements.">Revealing the multidimensional mental representations of natural objects underlying human similarity judgements.</a> Nature Human Behaviour. 4 (11), 1173-1185 (2020).</li><li>Deng, W. S., Sloutsky, V. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+development+of+categorization:+Effects+of+classification+and+inference+training+on+category+representation.">The development of categorization: Effects of classification and inference training on category representation.</a> Developmental Psychology. 51 (3), 392-405 (2015).</li><li>Shepard, R. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stimulus+and+response+generalization:+tests+of+a+model+relating+generalization+to+distance+in+psychological+space.">Stimulus and response generalization: tests of a model relating generalization to distance in psychological space.</a> Journal of Experimental Psychology. 55 (6), 509-523 (1958).</li><li>Coombs, C. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+method+for+the+study+of+interstimulus+similarity.">A method for the study of interstimulus similarity.</a> Psychometrika. 19 (3), 183-194 (1954).</li><li>Ga&#776;rdenfors, 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> Conceptual Spaces: The Geometry of Thought. , (2000).</li><li>Zaidi, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Perceptual+spaces:+mathematical+structures+to+neural+mechanisms.">Perceptual spaces: mathematical structures to neural mechanisms.</a> The Journal of Neuroscience The Official Journal of the Society for Neuroscience. 33 (45), 17597-17602 (2013).</li><li>Krishnaiah, P. R., Kanal, L. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Handbook of Statistics 2. , (1982).</li><li>Tsogo, L., Masson, M. H., Bardot, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multidimensional+Scaling+Methods+for+Many-Object+Sets:+A+Review.">Multidimensional Scaling Methods for Many-Object Sets: A Review.</a> Multivariate Behavioral Research. 35 (3), 307-319 (2000).</li><li>Kriegeskorte, N., Mur, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Inverse+MDS:+Inferring+dissimilarity+structure+from+multiple+item+arrangements.">Inverse MDS: Inferring dissimilarity structure from multiple item arrangements.</a> Frontiers in Psychology. 3, 245 (2012).</li><li>Rao, V. R., Katz, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Alternative+Multidimensional+Scaling+Methods+for+Large+Stimulus+Sets.">Alternative Multidimensional Scaling Methods for Large Stimulus Sets.</a> Journal of Marketing Research. 8 (4), 488-494 (1971).</li><li>Hoffman, J. I. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hypergeometric+Distribution.">Hypergeometric Distribution.</a> Biostatistics for Medical and Biomedical Practitioners. , 179-182 (2015).</li><li>Victor, J. D., Rizvi, S. M., Conte, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Two+representations+of+a+high-dimensional+perceptual+space.">Two representations of a high-dimensional perceptual space.</a> Vision Research. 137, 1-23 (2017).</li><li>Knoblauch, K., Maloney, L. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimating+classification+images+with+generalized+linear+and+additive+models.">Estimating classification images with generalized linear and additive models.</a> Journal of Vision. 8 (16), 1-19 (2008).</li><li>Maloney, L. T., Yang, J. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Maximum+likelihood+difference+scaling.">Maximum likelihood difference scaling.</a> Journal of Vision. 3 (8), 573-585 (2003).</li><li>Logvinenko, A. D., Maloney, L. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+proximity+structure+of+achromatic+surface+colors+and+the+impossibility+of+asymmetric+lightness+matching.">The proximity structure of achromatic surface colors and the impossibility of asymmetric lightness matching.</a> Perception &amp; Psychophysics. 68 (1), 76-83 (2006).</li><li>Zhou, Y., Smith, B. H., Sharpee, T. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hyperbolic+geometry+of+the+olfactory+space.">Hyperbolic geometry of the olfactory space.</a> Science Advances. 4 (8), (2018).</li><li>Goldstone, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+efficient+method+for+obtaining+similarity+data.">An efficient method for obtaining similarity data.</a> Behavior Research Methods, Instruments, &amp; Computers. 26 (4), 381-386 (1994).</li><li>Townsend, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Theoretical+analysis+of+an+alphabetic+confusion+matrix.">Theoretical analysis of an alphabetic confusion matrix.</a> Perception &amp; Psychophysics. 9, 40-50 (1971).</li></ol>

여기에 설명 된 프로토콜은 시각적으로 제시 될 수있는 자극에 대한 유사성 판단을 얻고 분석하는 데 효과적입니다. 실험 패러다임, 분석 및 가능한 확장이 먼저 논의되고 나중에이 방법의 장점과 단점이 논의됩니다.
실험 패러다임: 제안 된 방법은 37 동물 이름의 도메인을 사용하여 시연되며, 5 단계의 분석을 따르고 그림 3-6<st...

인간은 들어오는 감각 정보를 정신적으로 처리하고 표현하여 객체 인식, 탐색, 환경에 대한 추론 및 기타 여러 작업을 수행합니다. 유사성 판단은 일반적으로 이러한 정신적 표현을 조사하는 데 사용됩니다1. 정신적 표현의 구조를 이해하면 개념적 지식의 조직에 대한 통찰력을 제공 할 수 있습니다2. 유사성 판단을 뇌 활성화 패턴과 관련시킴으로써 신경 계산에 대한 통찰력을 얻는 것도 가능합니다3. 또한, 유사성 판단은 인식에서 두드러진 특징을 드러낸다4. 발달 과정에서 정신적 표현이 어떻게 변하는지 연구하는 것은 그들이 어떻게 학습되는지를 밝힐 수 있습니다5. 따라서 유사성 판단은 뇌의 정보 처리에 대한 귀중한 통찰력을 제공합니다.
유사성을 사용하는 정신적 표현의 일반적인 모델은 기하학적 공간 모델6,7,8이다. 감각 영역에 적용된 이러한 종류의 모델은 종종 지각 공간9이라고 불립니다. 공간의 점들은 자극을 나타내며 점들 사이의 거리는 그들 사이의 인식 된 불일치에 해당합니다. 유사성 판단으로부터 유사성에 대한 정량적 추정치를 얻을 수 있습니다. 이러한 쌍 방향 불일치(또는 지각 거리)는 다차원 스케일링(multidimensional scaling)10을 통해 지각 공간을 모델링하는 데 사용될 수 있습니다.
유사성 판단을 수집하는 방법에는 여러 가지가 있으며 각 방법에는 장점과 단점이 있습니다. 불일치에 대한 양적 척도를 얻는 가장 간단한 방법은 피험자에게 각 자극 쌍 사이의 불일치 정도를 척도로 평가하도록 요청하는 것입니다. 이것은 비교적 빠르지 만, 피험자가 이전의 판단으로 돌아갈 수 없기 때문에 추정치가 긴 세션에서 불안정한 경향이 있으며, 문맥 효과가있는 경우 감지 할 수 없습니다. (여기서, 문맥 효과는 비교되지 않는 다른 자극의 존재에 기초하여, 두 자극 사이의 판단된 유사성의 변화로서 정의된다.) 대안적으로, 피험자는 자극의 모든 쌍을 다른 모든 자극 쌍과 비교하도록 요청받을 수 있다. 이것은 불일치의 더 신뢰할 수있는 순위 순서를 산출 할 것이지만, 비교의 수는 자극 수의 네 번째 힘과의 척도를 필요로했기 때문에 작은 자극 세트에서만 실현 가능했습니다. 미리 정의된 수의 클러스터로 정렬11 또는 자유 정렬과 같은 더 빠른 대안에는 자체 제한이 있습니다. 자유로운 정렬 (임의의 수의 말뚝으로)은 직관적이지만, 자극이 쉽게 분류에 도움이되지 않더라도 피험자가 자극을 분류하도록 강요합니다. 보다 최근의 다중 배열 방법인 역 MDS는 이러한 많은 한계를 우회하며 매우 효율적입니다12. 그러나이 방법은 피험자가 자신의 정신적 표현을 2D 유클리드 평면에 투사하고 특정 기하학적 방식으로 유사성을 고려하여 유사성 구조가 평면의 유클리드 거리에서 회복 될 수 있다고 가정해야합니다. 따라서, 판단의 기초가 되는 기하학에 대한 가정을 하지 않고, 많은 양의 유사성 판단을 수집하는 효율적인 방법에 대한 필요성이 여전히 남아 있다.
여기에 설명 된 방법은 합리적으로 효율적이며 위의 잠재적 인 함정을 피하는 방법입니다. 피험자에게 각 임상시험에서 중심 기준과 유사성의 순서로 자극의 순위를 매기도록 요청함으로써13, 상대적 유사성은 피험자의 반응의 기하학적 구조에 대해 아무 것도 가정하지 않고 직접 조사될 수 있다. 패러다임은 동일하고 다른 컨텍스트 모두와 비교의 하위 집합을 반복하여 컨텍스트 효과에 대한 직접적인 평가뿐만 아니라 선택 확률 측면에서 등급이 매겨진 응답을 획득 할 수 있습니다. 분석 절차는 이러한 순위 판단을 여러 쌍 별 비교로 분해하고이를 사용하여 판단을 설명하는 지각 공간의 유클리드 모델을 구축하고 검색합니다. 이 방법은 중간 크기(예를 들어, 19 내지 49)의 자극 세트의 표현을 상세하게 기술하는데 적합하다.
접근법의 타당성을 입증하기 위해, 자극으로 37 마리의 동물 세트를 사용하여 실험을 수행했다. 데이터는 10 1 시간 세션의 과정에 걸쳐 수집 된 다음 각 피험자에 대해 개별적으로 분석되었습니다. 분석은 피험자 간의 일관성과 무시할 수있는 문맥 효과를 보여주었습니다. 또한 지각 공간의 유클리드 모델과 자극 사이의 인식 된 불일치의 일관성을 평가했습니다. 이 논문에 설명 된 패러다임 및 분석 절차는 유연하며 다양한 지각 공간의 기하학적 특성을 특성화하는 데 관심이있는 연구원에게 유용 할 것으로 예상됩니다.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Computer Workstation</td>
			<td>N/A</td>
			<td>N/A</td>
			<td>OS: Windows/ MacOS 10 or higher/ Linux; 3.1 GHz Dual-Core Intel Core i5 or similar; 8GB or more memory; User permissions for writing and executing files</td>
		</tr>
		<tr>
			<td>conda</td>
			<td></td>
			<td>Version 4.11</td>
			<td>OS: Windows/ MacOS 10 or higher/ Linux</td>
		</tr>
		<tr>
			<td>Microsoft Excel</td>
			<td>Microsoft</td>
			<td>Any</td>
			<td>To open and shuffle rows and columns in trial conditions files.</td>
		</tr>
		<tr>
			<td>PsychoPy</td>
			<td>N/A</td>
			<td>Version 2021.2</td>
			<td>Framework for running psychophysical studies</td>
		</tr>
		<tr>
			<td>Python 3</td>
			<td>Python Software Foundation</td>
			<td>Python Version 3.8</td>
			<td>Python3 and associated built-in libraries</td>
		</tr>
		<tr>
			<td>Required Python Libraries</td>
			<td>N/A</td>
			<td>numpy version: 1.17.2 or higher; matplotlib version 3.4.3 or higher; scipy version 1.3.1 or higher; pandas version 0.25.3 or higher; seaborn version 0.9.0 or higher; scikit_learn version 0.23.1 or higher; yaml version 6.0 or higher&#160;</td>
			<td>numpy, scipy and scikit_learn are computing modules with in-built functions for optimization and vector operations. matplotlib and seaborn are plotting libraries. pandas is used to reading in and edit data from csv files.</td>
		</tr>
	</tbody>
</table>

a psychophysics paradigm for the collection and analysis of similarity judgments

유사성 판단은 일반적으로 정신적 표현과 신경 상관 관계를 연구하는 데 사용됩니다. 이 접근법은 색상, 객체, 이미지, 단어 및 소리와 같은 많은 영역에서 지각 공간을 특성화하는 데 사용되었습니다. 이상적으로, 모든 자극 쌍 사이의 인식 된 유사성에 대한 추정치를 비교하고 싶을 수도 있지만, 이것은 종종 비실용적입니다. 예를 들어, 피험자에게 두 항목의 유사성을 다른 두 항목의 유사성과 비교하도록 요청하면 비교 횟수는 자극 집합 크기의 네 번째 힘에 따라 증가합니다. 대안적인 전략은 피험자에게 고립된 쌍들의 유사성을 예를 들어, Likert 척도로 평가하도록 요청하는 것이다. 이것은 훨씬 더 효율적이지만 (등급의 수는 사분위가 아닌 설정된 크기에 따라 사분면으로 증가합니다), 이러한 등급은 불안정하고 해상도가 제한적인 경향이 있으며 접근 방식은 컨텍스트 효과가 없다고 가정합니다.
여기에서는 유사성 판단의 효율적인 수집을위한 새로운 순위 패러다임과 유클리드 거리 모델이 데이터를 설명하는지 여부를 테스트하는 분석 파이프 라인 (소프트웨어 제공)이 제시됩니다. 전형적인 시험은 중앙 기준 자극을 중심으로 여덟 가지 자극으로 구성된다: 피험자는 기준과의 유사성 순서대로 자극을 순위화한다. 각 임상시험에서 사용된 자극의 조합을 신중하게 선택함으로써, 접근법은 일관성과 맥락 효과에 대한 내부 통제를 갖는다. 이 접근법은 최대 다섯 차원의 유클리드 공간에서 가져온 자극에 대해 검증되었습니다. 
이 접근법은 37 단어 사이의 유사성을 측정하는 실험으로 설명됩니다. 각 시험은 "A가 B보다 참조와 더 유사합니까?"라는 형태의 28 쌍 비교 결과를 산출합니다. 모든 자극 쌍을 직접 비교하는 것은 221445 번의 시험이 필요했지만,이 설계는 222 번의 시도에서 얻은 5994 건의 비교에서 지각 공간을 재구성 할 수있게합니다.

그림 1A는 단어 실험에 대해 3.3단계에서 스크립트에서 생성된 조건 파일의 일부를 보여 줍니다. 각 행은 평가판에 해당합니다. ref 열의 자극이 디스플레이 중앙에 나타납니다. stim1에서 stim8까지의 열 이름은 원을 따라 8개의 위치에 해당하며, 중앙 참조의 오른쪽에 있는 위치부터 시계 반대 방향으로 실행됩니다. 실험이라는 단어의 샘플 시험이 그림 1B?...

Watch this Scientific Journal Video about A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments at JoVE.com

A Psychophysics Paradigm for the Collection and Analysis of Similarity Judgments

이 프로토콜은 많은 양의 유사성 판단과 그에 수반되는 분석 워크 플로우를 얻기 위해 실험적 정신 물리학 패러다임을 제시합니다. 패러다임은 컨텍스트 효과를 조사하고 적어도 다섯 차원의 유클리드 공간의 관점에서 유사성 데이터의 모델링을 가능하게합니다.

유사성 판단의 수집과 분석을위한 정신 물리학 패러다임

Similarity judgments are commonly used to study mental representations and their neural correlates. This approach has been used to characterize perceptual ...

이것은 유사성 판단을 수집하고 분석하기위한 효율적인 방법이며, 정신적 표현의 기초가되는 피험자의 기하학적 특성에 대해서는 아무 것도 가정하지 않습니다. 이 방법의 주요 장점은 지각 표현의 성격에 대한 가정의 유연성과 최소화입니다. 자극의 종류와 시험의 복잡성은 다양 할 수 있으며 광범위한 기하학적 모델이 데이터에 적합 할 수 있습니다.이 방법은 시각적 자극의 낮고 높은 수준의 측면의 정신적 표현을 특성화하는 데 관심이있는 연구원에게 유용 할 수 있습니다. 실행할 실험을 선택합니다. 유사성을 클릭하여 실험이라는 단어로 이동한 다음 실험을 한 다음 word_exp하거나 유사성을 클릭하여 이미지 실험으로 이동한 다음 실험을 한 다음 image_exp니다.실험 자극을 마무리하십시오. 단어 실험을 실행 중인 경우 단어 목록을 준비합니다. 그리고 이미지 실험을 위해 새 디렉토리를 만들고 모든 자극 이미지를 배치하십시오.실험 디렉토리에서 config라는 구성 파일을 찾습니다. 유사성을 클릭 한 다음 실험 한 다음 config.yaml을 클릭하여 yaml. 소스 코드 편집기에서 파일을 열고 파일 변수의 값을 자극 세트가 포함된 디렉토리의 경로로 업데이트합니다.이것은 PsychoPy가 이미지 자극을 찾는 곳입니다. 구성을 열어 평가판 구성을 만듭니다. yaml 파일을 분석 디렉토리에 있는 다음, path_2_stimulus_list 매개변수의 값을 stimuli.txt의 경로로 설정한다.similarities 디렉터리에서 창에 표시된 명령을 차례로 실행하여 스크립트를 실행합니다. 이렇게 하면 trial_conditions라는 파일이 만들어집니다. csv는 각 행에 자신의 위치와 함께 재판에 나타나는 자극의 이름을 포함하는 유사성의 csv입니다.생성된 222개의 평가판의 전체 세트를 세션으로 분할하고 창에 표시된 명령을 실행하여 시험 순서를 무작위화합니다. 일반적인 설계에서 세션은 111개의 평가판으로 구성되며, 각 평가판을 실행하는 데 약 1시간이 걸립니다. 메시지가 표시되면 표시된 입력 매개 변수를 입력합니다.이름을 바꾸고 생성된 각 파일을 조건으로 저장합니다. csv는 자체 디렉토리에 있습니다. 조건을 복사합니다.csv 파일을 사용하여 psyexp 파일이 들어 있는 현재 디렉토리에 붙여넣습니다. PsychoPy를 열고 관련 실험 디렉토리에서 psyexp 또는 py 파일을 엽니 다. PsychoPy에서 녹색 재생 버튼을 클릭하여 실험을 실행합니다.모달 팝업에서 주체 이름 또는 ID 및 세션 번호를 입력하고 확인을 클릭하여 시작합니다. 각 세션이 시작될 때 지침이 표시됩니다. 피험자가 과제를 완료하는 데 약 한 시간 정도 허용하고 과제가 스스로 진행됨에 따라 필요한 경우 피험자가 휴식을 취하도록 격려하십시오.모든 세션이 완료되면 원시 데이터 파일을 결합하고 단일 JSON 파일로 다시 포맷하여 전처리를 실행하여 추가 처리를 수행합니다. 화면에 보이는 명령을 사용하여 터미널에서 py. 메시지가 표시되면 주체 데이터 디렉터리에 대한 경로, 데이터를 사전 처리할 주체 ID 및 출력 파일의 이름을 지정하는 데 사용된 실험 이름을 포함하여 요청된 입력 매개 변수를 입력한 다음 Enter 키를 누릅니다.이렇게 하면 출력 디렉터리에 JSON 파일이 생성되어 각 평가판에 대한 반복 간에 응답을 결합합니다. 순위 순서 판단에서 쌍 단위 선택 확률을 결정하려면 유사성으로 이동 한 다음 분석하고 실행describe_data하십시오. 명령 줄에서 py.메시지가 표시되면 피사체 데이터의 경로와 분석을 실행할 피험자 목록을 입력합니다. 이렇게 하면 세 가지 종류의 플롯이 만들어집니다. model_fitting을 실행하여 선택 확률을 사용하여 지각 공간의 저차원 유클리드 모델을 생성합니다.py 화면에 표시된 명령 줄을 사용합니다. 메시지가 표시되면 디렉토리에 대한 입력을 피사체 데이터/사전 처리된 항목, 기본적으로 37개인 자극 수, 반복 횟수, 출력 디렉토리 및 가우시안 노이즈의 양을 제공하는데, 이는 기본적으로 0.18이 됩니다. 획득한 모델의 로그 가능성을 시각화하고 유사성, 분석 model_fitting_figure.py을 실행하여 적합도를 평가합니다.메시지가 표시되면 로그 가능성이 포함된 CSV 파일에 필요한 경로를 입력합니다. 각 피사체에 대한 지각 공간을 시각화하고 표시된 명령을 실행하여 처음 두 원리 구성 요소에 투영된 5D 모델의 점을 보여 주는 산점도를 생성합니다. 메시지가 표시되면 입력 매개변수와 5D 점이 포함된 NPY 파일의 경로를 입력합니다.스크립트가 실행된 후 가상 환경을 종료합니다. 단어 실험에 대해 생성 된 파일에서 첫 번째 행은 참조 자극 원숭이 주위에 여덟 가지 자극이 나타나는 시험에 해당합니다. 계급 판단은 쌍 단위 선택으로 분해되었다.선택 확률의 분포는 피험자 전반에 걸쳐 매우 일관적이었습니다. 각 패널의 대각선 근처에 클러스터링된 데이터는 피험자 간의 선택 확률과 극단적이지 않은 판단에 대한 많은 일관성을 나타냅니다. 지배적 인 대각선은 0과 하나 사이의 중간 선택 확률을 포함하여 두 컨텍스트의 선택 확률이 각 주제에 대해 거의 동일하다는 것을 나타냅니다.로그 가능성은 최상의 모델의 로그 가능성, 즉 기하학적 고려 사항에 의해 이러한 확률을 제한하지 않고 각 비교에 관측된 선택 확률을 할당하는 모델입니다. 원리 성분 분석은 지각 공간의 5D 모델로부터의 점들에 대해 수행되었고, 여기서 동물들은 유사한 것으로 인식되었고 서로 가까운 점들로 표시되었다. 실험을 설계할 때 모든 매개 변수를 결정하고 두 단계를 시작하기 전에 구성 파일에서 설정하는 것이 중요합니다.각 과목의 데이터를 신중하게 추적하는 것도 매우 중요합니다. 이 방법은 많은 유사성 판단을 제공하므로 클러스터 분석, 컨텍스트에 대한 초점 또는 다른 기하학적 공간을 사용한 모델링과 같은 여러 분석을 적용 할 수 있습니다.

Research

JoVE Journal

Neuroscience

Organotypic Cerebellar Cultures: Apoptotic Challenges and Detection

Organotypic 소뇌 문화 : Apoptotic 도전과 감지

Organotypic cultures of neuronal tissue were first introduced by Hogue in 1947 1,2 and have constituted a major breakthrough in the field of neuroscience. ...

연구

신경과학

Reproducible Mouse Sciatic Nerve Crush and Subsequent Assessment of Regeneration by Whole Mount Muscle Analysis

전체 마운트 근육 분석에 의한 재현성 마우스 좌골 신경 크러시와 중생의 후속 평가

Regeneration in the peripheral nervous system (PNS) is widely studied both for its relevance to human disease and to understand the robust regenerative ...

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

fMRI 및 확산 - 가중 영상을 사용하여 뇌의 구조와 기능의 공동 분석

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when ...

Visualization and Genetic Manipulation of Dendrites and Spines in the Mouse Cerebral Cortex and Hippocampus using In utero Electroporation

Visualization and Genetic Manipulation of Dendrites and Spines in the Mouse Cerebral Cortex and Hippocampus using In utero Electroporation

사용하는 마우스 대뇌 피질과 해마의 시각화 및 Dendrites와 쪽이의 유전자 조작<em&gt; utero에서</em&gt; Electroporation

In utero electroporation (IUE) has become a powerful technique to study the development of different regions of the embryonic nervous system 1-5. To date ...

A Visual Description of the Dissection of the Cerebral Surface Vasculature and Associated Meninges and the Choroid Plexus from Rat Brain

쥐의 뇌에서 뇌 표면 Vasculature 및 관련 Meninges의 해부 및 맥락막 얼기의 시각적 설명

This video presentation was created to show a method of harvesting the two most important highly vascular structures, not residing within the brain ...

A Novel Light Damage Paradigm for Use in Retinal Regeneration Studies in Adult Zebrafish

성인 Zebrafish의 망막 재생 연구에있는 사용을위한 비발 한 가벼운 손상 패러다임

Light-induced retinal degeneration (LIRD) is commonly used in both rodents and zebrafish to damage rod and cone photoreceptors. In adult zebrafish, ...

High-resolution Quantification of Odor-guided Behavior in Drosophila melanogaster Using the Flywalk Paradigm

High-resolution Quantification of Odor-guided Behavior in Drosophila melanogaster Using the Flywalk Paradigm

에서 냄새 유도 행동의 고해상도 정량화<em&gt; 초파리</em사용&gt;<em&gt; Flywalk</em&gt; 패러다임

In their natural environment, insects such as the vinegar fly Drosophila melanogaster are bombarded with a huge amount of chemically distinct odorants. To ...

Chronic Implantation of Whole-cortical Electrocorticographic Array in the Common Marmoset

일반적인 마모 셋에 전체 피 질 Electrocorticographic 배열의 만성 이식

Electrocorticography (ECoG) allows the monitoring of electrical field potentials from the cerebral cortex with high spatiotemporal resolution. Recent ...

3D Kinematic Analysis for the Functional Evaluation in the Rat Model of Sciatic Nerve Crush Injury

Sciatic 신경 호감 상해의 쥐 모형에 있는 기능 평가를 위한 3D 운동학 분석

Compared to the Sciatic Functional Index (SFI), kinematic analysis is a more reliable and sensitive method for performing functional evaluations of ...

Collection of Frozen Rodent Brain Regions for Downstream Analyses

다운스트림 분석을 위한 냉동 설치류 뇌 영역 모음

As our understanding of neurobiology has progressed, molecular analyses are often performed on small brain areas such as the medial prefrontal cortex ...