诡异谷假说“人类相似尺寸的感知和分类处理:一些方法论问题

Behavior
 

Summary

调查

Cite this Article

Copy Citation | Download Citations

Cheetham, M., Jancke, L. Perceptual and Category Processing of the Uncanny Valley Hypothesis' Dimension of Human Likeness: Some Methodological Issues. J. Vis. Exp. (76), e4375, doi:10.3791/4375 (2013).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

森离奇地假设1,2提出,像人一样的字符,如机器人的感知,通过扩展,化身(电脑生成的人物)能唤起正面或负面的影响(价)沿着现实主义的视觉和行为对象的程度取决于维人的样式(DHL)( 图1)。但是,各种现实的非人类角色的主观反应中的情感因素研究已产生了不一致的结果3,4,5,6。许多这种情况的原因之一是,人类的相似性并不被看作假说假定。虽然DHL森的描述为平滑线性的程度身体像人一样相似的变化,可以定义沿DHL主观感知的对象,可以理解的心理影响方面的明确的看法(CP)7。进一步的行为和神经影像学调查,CAtegory处理和CP沿DHL和维度的情感的经验基础结构类的潜在影响是必要的。该协议因此侧重于DHL允许考试的CP。基于在视频作为例子提出的协议,协议和使用来自变身连续的刺激,代表DHL在“离奇”的研究方法,在周围的问题进行讨论的文章中,伴随着视频。利用神经影像学和变形的刺激来代表DHL为了解开物理类似人类的相似性,从这些响应类别的变化和类别处理脑区的神经反应进行了简要说明。

Protocol

图1
图1。插图的正面和负面的影响(价)和感知人类相似的经验之间的非线性关系。否则正相关关系,显示了尖锐的负峰值( 不可思议的山谷)在高度逼真但可分辨的非自然像人一样对象的外观和行为的细微的差别水平的现实主义所描绘的曲线的第一和第二之间的阳性峰建议引出的陌生感和个人不适感( 一种不可思议的感觉)。 2插图适应。

我们使用不同组的参加者为每个以下任务。

1。强制选择分类任务 1.1刺激

  1. 使用头像和人的形象,在变形过程产生线性变形连续代表DHL的母公司面( 连续端点)。我们创造了32人头像连续的人类和头像的面孔,分别用32张图片。生成使用建模套件波塞尔7(史密斯微软件www.smithmicro.com )的,虽然其他的软件是可用的化身。我们产生这些形态连续:使用Funmorpher(Zealsoft公司,明尼苏达州Eden Prairie),但可用于其他变形软件。
  2. 使用变形软件,将控制点上的相应的功能的父面。对每个面,我们把口20点,18点,每只眼睛上,鼻子上的20分,8点每个眉毛。因此,我们用大约100个​​控制点。尝试控制点的数量保持不变,但进一步增加点,以消除任何文物鳍人连续摇身一变。
  3. 变形过程中没有引入确保潜在的混淆。例如,我们作为端点不明的不显着的男性面孔与中性表情,直视着我并没有其他显着特征,如面部的毛发或首饰和端点图像的每一个连续的图像,密切配合为的年龄,configural的线索和一般面部几何。
  4. 使用照片编辑软件裁剪外部特征,例如通过使用一个黑色覆盖在椭圆形的形式,我们使用的Adobe的Photoshop CS3( www.adobe.com )。变形前,调整图像的位置,以确保对应的端点图像configural线索之间,调整对比度水平,每个端点的每个连续的刺激,以匹配对的整体亮度和肤色。
  5. 每个变身的DHL连续代表物理像人一样相似的差异在预定的增量。我们产生13个不同的变形的图像和标记这些M0至M12的,也就是说,两个端点和11的中间变形( 图2B)。

1.2刺激呈现和说明

  1. 使用两个替代被迫选择分类任务,以确定这些变形清晰的分类和人类的化身定义类边界8的位置。
  2. 目前试验开始与固定点为500毫秒(参与者须维持固定),其次是变形图像为750毫秒。我们使用的演示软件(版本14.1, www.neurobs.com )可使用的刺激呈现在这个协议中的所有任务,但其他刺激呈现平台。
  3. 指导参与者识别的变形刺激作为头像或人类尽快和尽可能准确按两个RESPO之一 NSE键。

1.3数据分析

总结化身人类分类数据,利用多项式回归的响应函数的形状进行描述。确定拟合物流功能模型的响应数据每个参与者和连续的。首先,分析个人连续跨越的参与者,以确保最适合的物流功能。然后,测试针对零单样本t检验一个阶梯状的类头像人类的响应功能在所有连续使用的参数估计来自每个连续的物流功能,平均跨参与者。估计类别边界的位置,沿每个连续提交的每个连续的物流功能,参数估计的Logit变换9。我们被迫选择分类和感性的歧视任务进行分析采用SPSS版本16(ibm.com /软件/分析/ SPSS“目标=”_blank“> www.ibm.com /软件/分析/ SPSS)。

响应时间(RT)数据也可以被分析。在目前的分析,不同的响应时间取决于变形的位置输入一个因子方差分析,13个变形的位置,在所有连续使用每一个人的平均RT作为因变量。

图2
图2。从强制选择分类任务(A)和变形的连续体(B)的一个例子的结果。在B组中,沿着13变身之间头像和人类端点的连续线性的物理过渡的相对程度的百分比。人类在日被确定为M0和M4头像和M8和M12ê被迫选择分类的任务,因为在面板A所示。

2。知觉歧视任务

2.1刺激

  1. 对于这个版本的相同不同的感性歧视任务 10,请从每个变身连续两个变种在前面的分类任务的化身( M0和M4)和人类( 例如 M8和M12)分类。为了控制变形之间的物理差异,选择变形,代表同等增量沿每个连续的物理变化。我们使用了33.33%的增量( M0,M4,M8,M12)( 图2B)。

图3
图3。刺激条件“相同,不同的”感性discrim的ination任务(N = 20)。变种被选择,以形成对。 (“内”),是相同的(“相同”),或他们表现出它们之间的(“之间”时)类别中的变化,变形的一对来自同一类别。变种M0,M4和M8头像试验(A)和M4,M8,M12的人体试验(B)。请注意,变形的变形对在头像试验始终是在人体试验中M4和M8和摇身一变来自不同的连续的基础上,头像和人体试验。

  1. 根据三个实验的变形对条件( 图3):“相同”(变体的一对是相同的,代表没有物理或类别的变化),“以内”(一对的变形是对所选择的变体入排序来自于一个类别),“之间”时(变形的一对代表不同的类别)。
  2. 性能之间的关系变形的变形对在探讨歧视的的头像分类(这些变形对,因此被称为“化身试验”),以确保每个变形的三个条件中的一对第一变形始终是M4的(从头像类别)( 图3A)。这样的结果对M4 - M4变身“相同”,M4 - M0为“内”和M4 - M8“之间”的条件。相同的程序可以应用于用于对变形的有关的人的类(因此被称为“人的试验”),确保在第一变形总是M8:“相同”(M8 - M8),“以内”(M8 - M12) ,“之间”时(M8 - M4)( 图3B)。
  3. 务必确保两个变形的变形对来自相同的统一体中,他们最初演变。伪随机变形对上介绍的,因此,没有对从在同一个连续的紧密序列所示。从一个给定的连续的头像或人体试验是随机的,但在所有参与者平衡,以确保每个参与者观看演示头像或从任何给定的统一体,但不是两者兼备,且人数相等的头像或人体试验被视为人体试验。

2.2演示和说明

  1. 目前固定为500毫秒(参与者须维持固定),然后由每一张脸对脸500毫秒间刺激间隔(ISI)为300毫秒之间的脸上一双交叉。我们还使用了一个75毫秒的ISI,是否不同时间ISI差异影响歧视性能。提出了一种可变审间的变形对试验的时间间隔:我们使用的时间间隔平均为2500毫秒。
  2. 指导参与者查看每个试验包括变形对,摇身一变先后在庭审中,按下按钮,并表明是否每个脸对脸“相同”或“不同”在外观上尽可能快速,准确地。

2.3数据分析判别精度进行分析的人脸对相比,面对从同一侧的边界交叉的类别边界。对于这一点,“不同”的响应(表明的一对两个面具有不同的物理外观)为变形面对的总数的比例计算,进行2×3因子独立,3“脸对试验类型“(内,两者之间,下同)和2”ISI“的条件(75毫秒,300毫秒)。球形假设被侵犯时,会使用温室Geisser的调整。头像试验和人体试验的数据分析分别对待。

个别精度分数可能也被确定使用A'统计47,79(信号检测论,看到的, 45,46,47)。A'提供了一个衡量歧视灵敏度,反应偏差无关。这之间0.5(机会)和1(最理想的CT歧视)。各种软件包可用于计算A'和其他措施的歧视灵敏度和偏置46,47,48 49,50。我们分析了歧视灵敏度使用一个2×2的重复测量方差分析,2“面对面对试验类型”(之间)和“三军情报局”的条件下(75毫秒,300毫秒),有独立的头像试验和人体试验分析,和A'为因变量。响应偏见不是经常报道,但看38。对于反应偏差,我们使用的β“D统计47作为因变量,否则相同的2×2方差设计在一个单独的分析。

RT数据也被分析为“不同”,“同”和“之间的”反应。在这个例子中,我们比较“不同的”,“相同”和“之间”条件的头像和人类的足迹在一个分析,在所有条件下获得的摘要视图的RT。对于这一点,我们进行了一个3×2×2方差分析与因素对面孔的试验类型“(不同的,相同的,之间),”类别“(头像,人类)和”ISI“(75毫秒,300毫秒),使用的平均RT在所有连续的每一个人的正确反应因变量。

3。功能磁共振成像任务

3.1刺激

该刺激条件下, 在面对对变形刺激的范围内,同样的,在头像和人体试验条件之间,前面的听觉辨别任务中所描述的是相同的。

3.2演示和说明

  1. 使用目标监视任务检查沿DHL物理和类别相关的变化,同时保持与会者注意刺激隐式处理。
  2. 指示参加难得一见目标检测时按下响应按钮。我们所有变形对15%的目标,显示上下颠倒的脸。使用作为目标四种可能的变形(M0,M4,M8,M12),从变形的连续刺激呈现否则不用于随机选择。确保目标变体作为上述第一或第二变体的变形对,在监视过程中的第1或第2的变形的变形对的目标,以避免差分注意。
  3. 每个扫描会话包括两个实验运行的跨参与者为了抵消刺激呈现。运行之间的休息允许参与者稍作休息。参与者注视十字架在每次运行开始建立一个稳定的状态,在MR信号。

3.3准备用于扫描主题

  1. 所有参与者提供书面知情同意后方可进行实验的协议。协议中,所有的程序和知情同意书是由当地的伦理委员会批准。在单侧大脑激活通过右手的扫描partic避免混淆ipants。以往的经验与造型的潜在影响控制。
  2. 在扫描之前,参加者熟悉的实验室,了解扫描程序,给予明确的指示,监视目标任务,总扫描时间,以及如何以提醒工作人员,如果需要的话。
  3. 参与者进行扫描,扫描表仰卧。头垫,以确保舒适,在扫描过程中尽量减少头部运动。参与者的耳塞和耳机,以减少扫描仪噪音的影响,使通信实验者。
  4. 参与者的右手被定位在响应面板用于监视目标任务。左手放在旁边的紧急停止按钮,参与者要停止扫描。
  5. 可以呈现视觉刺激,在前面或在MRI扫描仪的后部放置在投影屏幕上。我们使用了核磁共振兼容的头戴式显示器(“VisuaStim -数字“,共振技术公司)。这样做的好处,从视线中,不包括所有其他视觉输入比预期的刺激。
  6. 在开始收集数据之前,确保刺激呈现,反应面板和紧急停止按钮是否工作正常。

3.4数据记录和扫描参数

我们收购了整个大脑的结构和功能的图像,使用3-T全身MR单元(飞利浦医疗系统,最佳荷兰)。结构图像进行登记,使用T1加权3D,被宠坏的梯度回波脉冲序列(180片,TR = 20毫秒,TE = 2.3毫秒,翻转角= 20°,FOV =220毫米×220毫米×135毫米,矩阵大小= 224×187,像素大小为0.98毫米×1.18毫米×0.75毫米,切片重组至0.86毫米×0.86毫米×0.75毫米)。功能图像被收购每运行225全头扫描采用单次平面回波序列(重复吨IME,TR = 2.6秒;回波时间TE = 35毫秒;领域来看= 220毫米×220毫米×132毫米翻转角= 78°;矩阵大小为80×80像素大小= 2.75毫米×2.75毫米× 4毫米,resliced​​,至1.72毫米×1.72毫米×4毫米)。

3.5数据分析

  1. 我们2006年b使用MATLAB(MathWorks公司,Natick市,MA,USA)和SPM5软件包( http://fil.ion.ucl.ac.uk/spm )的预处理和MRI的数据分析。预处理通常需要对应的图像到第一个记录的体积,运动校正,归一化成标准stereotactical的空间,和平滑( 例如 6毫米3内核)。
  2. fMRI数据分析利用称为重复抑制(RS)(11,13,14,接受评论,见15,16)的一种现象。变形对变形认为DHL的背景下,在连续快精华etition刺激或刺激的属性减少脑区的激活( RS)在第一变形的结果在第二次变身是敏感的,特定的刺激或它的属性( 物理或类别相关的属性)。在这个协议中,重复的刺激或刺激之间的第一和第二变体的属性被操纵中的“内”,“之间”,“相同”的条件方面的相似性或不相似的物理和类别相关的属性的DHL 。通过对比这些条件下,fMRI数据分析确定从事处理特定的刺激或刺激重复17,18,19,20后在信号降低的程度相对差异的基础上的物理或类别有关的刺激属性的大脑区域。
  3. 识别物理和相关类别的变化沿DHL使用下列对比的刺激conditi反应的大脑区域附加(内部之间,下同)。这些对比中定义的条款的变形在三面对的条件(注意,第一个变体是相同的头像和人体试验中,分别)作为第二面。要检测灵敏度的头像试验物理变化,使用对比度M0加上M8> M4,使用M12加M4> M8人体试验。要检测选择性反应的大脑区域跨边界的方向头像类别变化对人体( 头像试验),使用对比M8> M4加M0。人头像的方向,使用的对比M4> M8加M12。
  4. 对于个人层面的分析,对比这些大脑活动之间的fMRI反应,可用于各学科在每六对变形条件下( 内,同样,头像和人体试验之间)每个变形对第二变形条件。这些个别的对比,然后进入到集团层面分析f或推论的目的。

Representative Results

1。强制选择分类任务

分析响应数据的N = 25名参与者已报告7。这证实了每个单独的连续体,在所有连续的曲线拟合回归的斜率有一个物流的档案中( 图2A)。斜率反映了乙状结肠沿DHL的一个明确的组成部分在连续变形的面孔参与者的反应存在一致的阶梯状的功能。因此,曲线的斜率特征头像渐近上限和下限或接近人类范畴反应化身为100%和100%为人类。与此相反,表明分类判断的最大误差为50%,在与t关联的估计值的平均值的级别的边界值的的物流配备的曲线,纵轴的下限和上限之间的中点处的渐近线的分类响应来自他变身M6。

RT数据的分析也报告7。实时分析的所有变体(参见图4)显示的头像和人类的两端连续的最短的反应时,有更大的变形距离增加RT从两端的连续的化身和人力,M6在其中有最大和最长的保留时间该种类的决定响应的不确定性,可以看出,在图2B。为了验证发现后者更清楚,在M6的平均RT值可以比所有其他的变形位置,平均RT值。一个单向RM-ANOVA分析与变身的位置(两个层次:M6与所有其他变种)和RT作为因变量跨连续倒塌表明RT M6(M = 1.42,SD = 0.26),差异非常显着从RT其他变形职位(M = 0.99,SD = 0.46),F(1,24)= 62.04,P <0.001。

两者合计,约确认,CP的存在下的第一标准被满足,即,有一个类别的边界(对于所有的标准, 例如,11),以及类别的响应时间决定tegorization响应数据与响应数据是一致的,因为它们显示更长的响应时间与分类的不确定性增加。

图4
图4。反应时间被迫选择分类任务,结果显示最长平均响应延时分类判断变形位置M6分类模糊是最大的刺激。错误条显示±1个标准误差。

2。感知歧视任务

数据分析,N = 20名学员已经回购7 rted。作为一个例子使用头像试验( 图5),该研究的数据,分析表明歧视精度增强人脸对穿越类边界之间的条件相比,减毒脸对内部条件的判别精度。这是符合CP。这些数据也表明,有一个类别内的判别精度的显着差异,有更大的判别精度比在相同的条件中的条件内的人脸对。在ISI的75和300毫秒的变化差异影响参加者的反应,但不能在人体试验。

图5
图5。结果“相同,不同的”感性的歧视任务f或化身试验。参与者(N = 20)。判断是否变形变形对相同或不同的外貌。沿着连续的变形控制的相对距离,结果表明越过类别边界(已被认定在强制选择分类任务)比对来自相同的人脸对更好的判别精度( 头像或人类)侧边界,从而表现出明确的看法沿着连续人类相像。一个较短和较长的ISI分别为75毫秒和300毫秒的影响也被测试,发现影响歧视头像性能试验。错误条显示±1个标准误差。

使用A'独立响应偏见的歧视表现作为衡量统计,在有头像试验歧视灵敏度面对面对试验类型( (之间)的一个显着的影响,F(2,38)= 107.11,P <0.001,有更大的歧视灵敏度跨类别(A'= 0.89,SD = 0.07)比类内对(A'= 0.55,SD = 0.17)( 图6 )。同样,有显着更大的歧视灵敏度为类内对跨类(A'= 0.94,SD = 0.1)比(A'= 0.56,SD = 0.22)在人类的小径,F(2,38)= 107.11,P <0.001。 (ISI)有没有影响的面对面对审判类型。使用的β“D统计作为衡量响应偏见,有一个显着的主效应偏见面对面对审判类型[F(2,38)= 70.53,P <0.001],参与者呈现出强劲的趋势判断类别内对不同的(β'D = 0.81,标准差= 0.23)相比,响应交叉类双(β“D = -0.18,SD = 0.59),这是consistent的想法,参与者倾向于“不同”的决定,在这个特殊的任务时,同不同的决策是比较困难的类内对。

图6
图6。使用A'的歧视表现独立反应偏差(N = 20)作为衡量统计,歧视敏感度更大的跨品类比类内对头像和人体试验。错误条显示±1个标准误差。

RT数据分析显示头像和人体试验,并在短期和长期的ISI之间没有差异。如预期的主要三个刺激对条件( 见图7),F(2,38)= 34.55,P <0.001 RT之间的显着效果。预计划内对比测试表明,RT为跨品类脸( '之间的'面子对试验型)是显着更快的实时人脸对在一个类别('内(M = 0.79,SE = 0.05)比“试验型)(M = 1.26,SE = 0.09),F(1,19)= 60.09,P <0.001]和脸对脸对条件相同(M = 0.88,SE = 0.08),F(1, 19)= 43.1,P <0.001。

图7
图7反应时间(RT)“相同,不同的”感性歧视任务头像和人体试验(N = 20)的结果。该图显示,实时刺激对跨类边界( 条件之间)均较短的比RT面孔从内交流ategory。错误条显示±1个标准误差。

响应数据的分类,从而确定CP的存在下有更好的判别精度比等距对来自于一个类别的类别边界的双交叉的第二条标准。这表明,有一种所谓的具有增强灵敏度的物理刺激的功能接近的类别边界的判别边界。 RT数据支持表现出更短的响应延迟,跨品类相比,与类面对。

这种特殊的感性歧视任务没有定义歧视边界沿DHL具体点。可以使用一个更小的变形对提出的变形之间的距离,解决这个问题。在这里,我们将展示一个例子,使用传统的ABX歧视任务12,13。 ABX行为构成不同的顺序介绍随后由第二个演示,无论是A或B作为目标刺激X.观看图像A,B和X后,参加者须注明A或B是否是相同的十T人脸刺激( 变形和变形乙)在这个例子中,变体( 1-3,2-4,3-5,等)之间的一个两步骤的判别过程,提出( 图8B)。 8中所述的分析。为了说明的目的,ABX歧视任务进行24名参加者,使用4个连续变形,每个带11的变形,使用奇塔姆 7的研究中得出的端点刺激。 ABX歧视任务,被迫选择分类任务执行相同的参与者。任务上介绍的这个序列被认为是明确的级别的决策上ABX歧视任务的影响减到最小, 图8B清楚地表明,有一个峰在知觉判别传感在变形的立场itivity预测与类边界( 见图8A)。使用2步的距离之间摇身一变,峰值性能可以清楚地识别变形对M5-M7之间的间隔歧视。请参阅使用ABX范式和来自人类相似的尺寸为连续的端点,猴,牛和人脸变形刺激的结果。

图8
图8。代表ABX感知歧视和强迫选择分类任务。在ABX听觉辨别任务在操作面板B 2步判别程序( 1-3,2-4,3-5,等)表明,在知觉判别灵敏度的峰值预测通过类别边界确定在A组中被迫选择分类任务。图A显示的拟合回归曲线的四个连续的后勤档案。分类判断变形的面孔作为人类50%的最大的不确定性是与变形M6。

相同的不同辨别任务确认的第三个标准CP的存在下,在显示与该类别的边界对齐,判别边界。换言之,类别边界的位置预测判别边界的位置。

第四个标准,这并不总是适用于研究CP 13,14是歧视是在类别内的机会。例证的数据使用ABX设计将建议歧视是略高于机会那些位于连续端点之间的变形和猫egory边界。

3。功能磁共振成像任务

4.3.1物理变化的敏感性

通过比较在何种条件下有一个物理变化之间的第一和第二变体中的条件,其中不存在这样的变化,大脑区域中的梭状回( 图9A)被证明是敏感的细的外观度的变化以及DHL在物理外观的人脸变形头像试验。用于人体试验了类似的结果在图中未示出。这个区域已被称为梭状回面孔区,因为其作用的一部分视觉系统在处理面部信息。加上人体试验,这一发现是一致的梭形地区报告的响应差异在面部的物理属性23,面部几何16,21,24和面部的纹理21。

4.3.2 SEnsitivity类别变化

图9B显示,头像试验,敏感类别变化沿DHL的大脑区域使用的例子。这是通过比较的条件,其中有一个类别之间的第一和第二变形的条件,其中不存在这样的变化的变化。成像的数据显示,种类变更头像试验( 沿DHL化身人类的方向改变)显示响应的海马,杏仁核和脑岛。这些区域的作用,需要加以解释的范式和分类 ​​的上下文中,已经描述了7。一般来说,杏仁核是响应面,情意价,新颖性,和不确定性55,56,57,58,59。扁桃体是建议影响处理其他脑区参与分类取决于情感意义的情况下60。内的苏拉一贯报告与分类处理和处理不确定性的条件下,61,62,63。在范式的背景下,这一地区可能有助于提高注意力资源分类处理63。激活的特定区域,也可以带信号的不确定性,威胁或潜在威胁64,65的存在相关联。海马是参与在视觉分类和知觉学习66。类别变化( 改变在人类头像方向沿DHL)在人体试验中发现,壳核,尾状核头部,丘脑,响应这个条件。一般来说,这些地区局部伴有学习刺激类协会,信号类别成员,决策的不确定性在分类过程中,用于建立类别成员和调整代表中的潜在类别规则之间切换TED明确的边界,以尽量减少错误,67,68,69,70。

在广泛的层面上,并且在上下文中所使用的实验范式解释这些结果建议,头像和人脸的代表不同的分类的问题,以往的分类经验的程度上取决于与给定的类别( 例如,25);参与者是在人的专家尤其是面对处理,但选择的基础上,他们的报告没有明确头像面( 视频游戏,电影,第二次生命),并作为述职证实,以前从来没有见过的面孔我们提出的那种以往的经验与知识。

图9
神经物理的相关图9。D类变化沿DHL头像试验。激活地图叠加在冠状(A),横向(B)和矢状面(C)单一主体的意见。彩条表示的激活图的t(P <0.005,20个连续的体素)的梯度。

Discussion

离奇的山谷假说的核心预测是正面或负面的经验效价可诱发功能感知人的样式77(信息概述,见78)。仔细检查实际上是认为人的样式如何,这本身就是一个重要的研究事业。同样重要的是如何的DHL表示实验的不可思议的经验。因此,该协议的重点在DHL。一种方法是使用连续变形,已经实施的“离奇”的研究5,6,26,27,28,代表人类相像。连续变形的优点是其使用允许实验控制的差异在外观像人一样被带入关系的主观感知和体验( 类别决定,离奇的感情)的行为的措施和相关神经过程7。这种细粒度的方法是神秘的山谷,假设icularly重要,因为没有预测实际度数积极的效价和离奇的经验之间的过渡应该发生78人的样式。 ,如果森的猜测是正确的,沿DHL 7类处理有关的调查结果表明不可思议的经验是最有可能发生在类别知觉决策模糊的边界,在那里是最大的。这仍然有进行测试。

可以解释调查DHL之间的关系,使用连续变形,和其他感兴趣的变量,而不是一个单一的变形的连续两个甚至三个,应使用不同的并列排列的连续5,28为代表。并列连续未能代表改变森人类相像的概念,实际上,通过引入不连续性的DHL。这可能会影响性能一个感性的歧视任务,因为点的t他不连续性和变形过程中产生的任何差异可能被用来作为一个可靠的,但实验意想不到的参照点指导感性的歧视(见29)。在每个变体的连续体,所有的变形应仔细控制,以使表示沿整个的连续体5,28相当于增量的物理变化。在这个协议中,这一点尤其重要,因为沿着连续变形距离的实验控制使检查是否认知在一个线性的或非线性的方式表示有关沿DHL物理类似人类的相似线性差异的感觉信息。非线性是反映在阶梯状的功能分类响应的斜率( 图2A图5A),并在沿DHL刺激属性的感觉灵敏度的差异(参见图4图5B)。这个P议定使用人脸作为端点没有应用任何进一步的实验操作。 CP和人类相似的进一步研究可以检查例如特定功能,如眼睛的现实主义与现实主义相比,面部纹理(参见30,38)的其他面部特征或操纵面几何相比差异沿DHL影响类别处理。

变形过程能够顺利混合在一起的相应功能的连续的端点,如面部构成线索。上五官和发型轮廓26变形的面部信息,如困难可提请注意的差距在变形过程中的对齐功能的潜在偏见参与者的回应。这偏置是在该变形的差距可能是系统从连续的端点,差距最大的中点处的变形继续有关的变形距离UA。对于我们的变形的连续,连续的中点对应的级别的边界周围有听觉灵敏度最大。眼睛区域之一,我们的试点研究(强制选择分类任务)相比,连续好或不好变脸(恶劣的变形导致眼睛纹理对齐摇身一变之间一个很轻微的不一致)数据再分析。再分析证实了演变不善连续那个可怜的有效变形引起的相对转移类边界走向人类维度的分类决策响应系统偏差。这大概是因为变形的差距被视为“非人定义”功能。

也可能会导致用连续端点刺激的基础上,非面部信息,如头部的装束和面部珠宝是目前唯一在一个端点刺激产生响应偏置27。在这种情况下,人脸图像可以被裁剪,使参加者出席刺激的研究兴趣的信息,而不是其他图像中的显着特征。作为一个统一体端点非人属性都与人类的属性一起使用图像的系统性反应偏差也可能导致,即使这个形象的目的是代表人类的DHL 6月底。在这种情况下,任何人的肖像和变量之间的关系,如主观措施的不可思议的经验都没有解释森DHL概念和假设离奇的山谷。

CP可以发生沿尺寸以外的其他人的样式31,10,22,32,33,34,35,和类别的相关信息可以自动处理后,接触到其他36。在这个协议中,护理应采取因此,控制为视觉线索表明不同的影响CES沿DHL在其他参与者的回应,关于人的样式类相关的尺寸。例如,这些线索可能涉及种族,性别,面部的独特性,熟悉和认同,和面部表情(参看5,26,27,28)。本协议旨在尽量减少感性的的歧视任务和功能磁共振成像研究在快速连续的脸变形密切相匹配的面部五官作为连续端点的图像的几何形状和配置之间的生物运动的看法。这种方法(连同用于刺激条件下的变形沿连续的相对位置),也有助于最大限度地减少任何感知不同的身份之间的连续变形。

清晰的分类一个连续的变形的头像,人类为了选择使用变形感性discrim中被迫选择分类任务确定ination任务和功能磁共振成像研究。我们选择的四个顶点变形M0,M4,M8和M12从每个连续的( 图2B2C)。除了沿DHL物理变化程度控制,M4和M8的选择是基于以下理论思考。森描述发生在现实主义水平,对应的区域沿DHL价人类相似的关系( 见图1)的斜率两者之间的正峰感性的不确定性(以及相关的不可思议的经验)。在这些山峰中,对象被视为灵长类或人类。在重新定义了在框架类处理方面的考虑,这些峰可以被看作是人的样式的反射度正确分类的类别实例( 非人类和人类)跨越的类别边界。但是,森没有指定这个分类如何有效( 感性çertainty)必须在这些峰中,虽然每个峰的识别对象明确认为是相对有效的和费力的。出于这个原因,考虑沿着连续的两个变形的位置定义两个类之间的过渡,并作为反射使用更保守的标准比通常以其他方式使用CP中的研究( 例如,66%,32确定的两个正峰值34)。因此,被认定变身M4平均在超过85%的试验和变​​身M8的头像作为一个人在超过85%的试验。请注意,该标准,适用于变体M4和M8的任何一个连续。使用这种方法的变体,这种选择的目的捕捉沿DHL CP和森的描述,假设根据了解的非人类和人类中的对象之间的类别变化感。

该协议使用的一个变种相同不同的感性歧国家任务10检查CP。此任务的优点是,与会者不需要的描述,必须确定特定的相似性和差异。是足够的,它们简单地识别为相同或不同的刺激。此外,参与者并不需要知道的类别标签。标签可能被用来区分歧视如ABX任务的任务所需的内存负载增加42时的刺激的一种策略。相同的,不同的任务具有的优点是存储器的负载相对较少,任务鼓励刺激的直接比较。为了减少标签的潜在影响,歧视的任务通常是之前被迫选择决定任务40。本协议是基于两个不同的参与者群体的歧视和强迫选择决策任务,41。这是因为强迫选择任务是用来选择刺激的识别任务然而,相同的参与者在这两个任务测试,该协议应当修改,以便辨别任务之前进行强制决定选择任务。

一个固定歧视设计应用于同本协议(巡回设计不同的歧视任务, 39)。这意味着,M4和M8始终显示的第一轮经济刺激每个刺激对“相同”,“内”和“之间”条件的头像和人体试验,分别。该协议包括,实验的每个参与者的约束,认为只有变形的刺激从一个给定的连续任头像或人体试验,但不能同时。使用头像的试验,例如,这意味着每个刺激对第一刺激总是M4,第二刺激中的“内”( M1)和“之间”时( M8)的条件下都同样经常一个给定的连续体,并且没有进一步的刺激绘制用于人类试验中,从该特定的连续体。这一措施旨在避免选择性诱导更强的代表性和促进因此歧视的一个给定的连续跨品类的面孔。排除或比较而言,调查任何可能影响跨品类的代表性和歧视所描述的头像和人体试验中呈现一个实验块,可以实现设计在其中所描述的头像和人体试验单独的块(与参与者之间的顺序抵消块)。

本相同,不同的辨别任务的比率为1:2的相同,以不同的试验。这个比例可能会诱发反应偏向赞成“不一样”的决定(尽管其他因素也能影响这种偏见44,51)。来自信号检测理论(SDT)的措施经常被用来disentan的的GLE响应偏置(β或 c)在另一个参与者的辨别感官刺激(总览看到,44)灵敏度(A'或d')选择一个响应。作为D'可以不同响应偏置因违反的SDT假设52,我们使用非参数测量灵敏度A'53。 反应偏差,我们用β“D 47。或者C已被推荐的43,44, d'54的变化,部分原因是因为它是独立的。 总体而言,目前的结果表明变形刺激跨越类边界比类内刺激更大的感知灵敏度。

选择在本协议中的歧视任务摇身一变意味着任务需要变形之间的歧视,除了沿连续四个步骤( 四步discrim的ination, 见图2B)。但是,这四个步骤的变种之间的相异程度过大的实际变形位置歧视增强( 歧视界)( 图5B),以便更好地规范。 CP(其他条件的, 例如,11)的一个重要标准是,有强迫选择任务类别之间的边界,并在辨别任务的判别边界对齐。换言之,类别边界的变形位置的预测变形的位置的判别边界。验证该特定点的对应的一种方法是使用变形变体对之间的距离减小的鉴别任务。为了说明的目的, 图5B示出的导频数据的结果,使用相同的不同辨别任务作为一种可能的替代,传统的ABX歧视任务12,13。该数字表明预测的类别边界变形的位置,有一个峰值在感性的歧视灵敏度。在一项研究中具有较大数目的分析SDT中的参与方和应用程序这样的结果将进一步验证发现CP沿DHL的影响。将强烈地影响着认知刺激连续端点的号码中产生一个连续的变形,在要被鉴别的变形的大小的步骤的实际选择的要求上的参与者,他或她的能力歧视沿变形下连续。

标准CP是一个古典类边界的位置预测的高峰期在实际歧视性能( 歧视界)80的位置。这无疑是最重要的标准CP 81。这个预测最终测试需要实验德西GN所有的变形对一起表示的整个长度上的变形的连续的鉴别任务,以确定峰值的实际位置。在38,歧视性能的检查的基础上,只有某些段连续变形。这可能意味着实际的峰值性能的真实位置可能已经错过了,这反过来又使其很难,最终确认的CP。应当指出,即使Lieberman 等人研究的早期CP 82的研究,以满足自己的严格的标准,预测值和实际峰值鉴别性能收敛失败,其他研究者没有应用该标准,严格( 例如,11,参见80)。确定实际位置的峰值性能仍然是关键的应用,即使这个标准更宽松的解释。检查变体的连续体的整个长度还具有的优点是,以使对数据进行检查,是否存在例如由于从变形过程中产生的人为的期望相反在一个点的峰值性能。

除了响应,响应时间(RT)数据在强迫选择分类任务处理在认知刺激信息和竞争的反应倾向的难度是一个指标是有用的刺激分类为“化身”或“人” 70,71。因此,RT应定位在最接近的类别边界的刺激进行分类判断最长的, 如图4所示,是这种情况。两者合计,形状响应函数和类判决的实时数据显示分配的刺激单独的一类是加工难度差异较大。要评估RT,该协议指示参与者分类期间为魁回应快一点,尽可能准确。鉴于反应72,73的速度,正确率权衡的潜在影响,我们研究,并在试点中发现的类头像人类的响应函数的形状和位置是非常强大的,不受指令识别提出变形的刺激,无论是作为快速,准确地为可能的或简单准确。这表明,参与者普遍使用决策的准确性加权策略,虽然这个建议可以更彻底地测试。符合森假说,很难区分一个像人一样的对象从人的形象可能会唤起负效价的经验,这将是有趣的,以确定是否不再RT像人一样的刺激措施的负面影响是与。 RT数据收集和分析的相同,不同的歧视任务。 RT已用于支持响应数据80。中的ABX t相反问,同不同的任务实时测量提供了一个明确的时间点。 RT正确的反应应该是短之间,比内对74,虽然同不同的判断,可并发实时数据的解释,因为RT可受多项因素,在此任务75,76。然而,RT数据是一致的想法,跨类少,难以作出决定类别内决定(参见图7)的速度比。

应该指出,森喜朗的假设不考虑物理特性的可能性,实际上可能会有所不同沿DHL在人类别( 2)7。这是假设原始价人的样式关系的第二正峰值位于上面的人的的DHL( 图1)的端的原因。 DHL非人方面的重点已经有影响力TiAl基合金的研究指导下的假设,包括研究,没有使用过,37连续4变身,而其他研究使用单一人脸代表人类方面的DHL 3。此类研究试图探讨离奇的经验,结果不明。到CP有关的调查结果表明,这些研究可能没有提交所需的刺激,以唤起响应沿着DHL类模糊的感性决策和解决冲突的过程中显式或隐式的过程。

此协议说明了一个例子,来自连续代表的DHL的变形可以用于识别功能磁共振使用重复抑制的效果,象人一样的物理相似敏感的变化和改变类别相关的信息的大脑区域。功能磁共振成像设计的有效性强烈影响变形刺激通过仔细的产生和选择。强制财CE和感性的歧视任务头像人类的的分类曲线( 响应函数的斜率)的形状和歧视性能,用于确保连续之间的可比性。这个功能磁共振成像的设计的优点是,它允许森( 被动观察其人对应的微妙的不同的物理外观的新颖的非人类对象)所描述的刺激条件下,将被仿真功能磁共振成像方法的约束范围内,使用刺激的选择是根据人的样式假说“的定义,分类处理和调查的效果,同时控制沿DHL物理变化的影响。 fMRI的范式并非旨在探讨离奇的经验,但它可以适应调查相关的情感体验,例如与类边界本身。对大脑中的研究范畴上的影响,这将是一个重要的步骤Y处理和类别歧义来自DHL的刺激与情感体验。

Disclosures

没有利益冲突的声明。

Acknowledgments

这项工作是根据研究支持欧盟FET集成项目PRESENCCIA(合同编号27731)。

Materials

Name Company Catalog Number Comments
Funmorph Zealsoft Inc.
Poser 7 Smith Micro Software www.smithmicro.com
Adobe; Photoshop; CS3 Adobe www.adobe.com
Presentation; software Version 14.1, www.neurobs.com
SPSS Version 16 www.ibm.com/software/analytics/spss
MRI-compatible head-mounted display Resonance Technology Inc. "VisuaStim - Digital"
3-T whole-body MR unit Philips Medical Systems
MATLAB 2006b Mathworks Inc.
SPM5 software package http://fil.ion.ucl.ac.uk/spm

DOWNLOAD MATERIALS LIST

References

  1. Mori, M. Bukimi no tani [The uncanny valley. Energy. 7, 33-35 (1970).
  2. Androids as an experimental apparatus: Why is there an uncanny valley and can we exploit it?. MacDorman, K. Toward Social Mechanisms of Android Science: A CogSci 2005 Workshop, 106-118 (2005).
  3. Tinwell, A., Grimshaw, M., Williams, A. The uncanny wall. International Journal of Arts and Technology. 4, 326-341 (2011).
  4. Tinwell, A. Uncanny as usability obstacle. HCI. 12, 622-631 (2009).
  5. MacDorman, K. F., Ishiguro, H. The uncanny advantage of using androids in cognitive and social science research. Interaction Studies. 7, 297-337 (2006).
  6. Upending the uncanny valley. Hanson, D., Olney, A., Prillman, S., Mathews, E., Zielke, M., Hammons, D., Fernandez, R., Stephanou, H. E. 20th National Conf. on Artificial Intelligence and the 17th Innovative Applications of Artificial Intelligence Conf, 1728-1729 (2005).
  7. Cheetham, M., Suter, P., Jancke, L. The human likeness dimension of the "uncanny valley hypothesis": behavioral and functional MRI findings. Front Hum. Neurosci. 5, 126 (2011).
  8. Campbell, R., Pascalis, O., Coleman, M., Wallace, S. B., Benson, P. J. Are faces of different species perceived categorically by human observers? Proc. Biol. Sci. 264, 1429-1434 (1997).
  9. Finney, D. J. Probit analysis. (1964).
  10. Angeli, A., Davidoff, J., Valentine, T. Face familiarity, distinctiveness, and categorical perception. Q.J. Exp. Psychol. (Hove). 61, 690-707 (2008).
  11. Studdert-Kennedy, M., Liberman, A. M., Harris, K. S., Cooper, F. S. Theoretical notes. Motor theory of speech perception: a reply to Lane's critical review. Psychol. Rev. 77, 234-249 (1970).
  12. Liberman, A. M., Hariris, K. S., Hoffman, H. S., Griffith, B. C. The discrimination of speech sounds within and across phoneme boundaries. J. Exp. Psychol. 54, 358-368 (1957).
  13. Harnad, S. R. Introduction: Psychological and cognitive aspects of categorical perception: A critical overview. In: Categorical perception: The groundwork of cognition. Harnad, S. R. Cambridge University Press. New York. 1-25 (1987).
  14. Repp, B. H. Categorical perception: Issues, methods, findings. Speech Lang. Adv. Basic Res. Pract. 10, 243-335 (1984).
  15. Grill-Spector, K., Henson, R., Martin, A. Repetition and the brain: neural models of stimulus-specific effects. Trends. Cogn. Sci. 10, 14-23 (2006).
  16. Jiang, X., Rosen, E., Zeffiro, T., Vanmeter, J., Blanz, V., Riesenhuber, M. Evaluation of a shape-based model of human face discrimination using FMRI and behavioral techniques. Neuron. 50, 159-172 (2006).
  17. Henson, R. N. Neuroimaging studies of priming. Prog. Neurobiol. 70, 53-81 (2003).
  18. Grill-Spector, K., Malach, R. fMR-adaptation: a tool for studying the functional properties of human cortical neurons. Acta. Psychol. (Amst). 107, 293-321 (2001).
  19. Jiang, X., Bradley, E., Rini, R. A., Zeffiro, T., Vanmeter, J., Riesenhuber, M. Categorization training results in shape- and category-selective human neural plasticity. Neuron. 53, 891-903 (2007).
  20. van der Linden, M., van Turennout, M., Indefrey, P. Formation of category representations in superior temporal sulcus. J. Cogn. Neurosci. 22, 1270-1282 (2010).
  21. Jiang, F., Dricot, L., Blanz, V., Goebel, R., Rossion, B. Neural correlates of shape and surface reflectance information in individual faces. Neuroscience. 163, 1078-1091 (2009).
  22. Rotshtein, P., Henson, R. N., Treves, A., Driver, J., Dolan, R. J. Morphing Marilyn into Maggie dissociates physical and identity face representations in the brain. Nat. Neurosci. 8, 107-113 (2005).
  23. Xu, X., Yue, X., Lescroart, M. D., Biederman, I., Kim, J. G. Adaptation in the fusiform face area (FFA): image or person. Vision Res. 49, 2800-2807 (2009).
  24. Liu, X., Steinmetz, N. A., Farley, A. B., Smith, C. D., Joseph, J. E. Mid-fusiform activation during object discrimination reflects the process of differentiating structural descriptions. J. Cogn. Neurosci. 20, 1711-1726 (2008).
  25. Poldrack, R. A., Prabhakaran, V., Seger, C. A., Gabrieli, J. D. Striatal activation during acquisition of a cognitive skill. Neuropsychology. 13, 564-574 (1999).
  26. Ho, C. C., MacDorman, K. F., Pramono, Z. A. D. Human emotion and the uncanny valley: A GLM, MDS, and isomap analysis of robot video ratings. ACM/IEEE international conference on human-robot interaction, 169-176 (2008).
  27. Seyama, J., Nagayama, R. S. The Uncanny Valley: Effect of Realism on the Impression of Artificial Human Faces. Presence: Teleoperators and Virtual Environments. 16, 337-351 (2007).
  28. Hanson, D. Exploring the aesthetic range for humanoid robots. CogSci Workshop: Toward Social Mechanisms of Android Science, (2006).
  29. Pastore, R. E. Categorical perception: Some psychophysical models. Categorical perception: The groundwork of cognition. Harnad, S. New York. 29-52 (1987).
  30. MacDorman, K. F., Green, R. D., Ho, C. C., Koch, C. T. Too real for comfort? Uncanny responses to computer generated faces. Computers in Human Behavior. 25, 695-710 (2009).
  31. Levin, D. T. Race as a visual feature: using visual search and perceptual discrimination tasks to understand face categories and the cross-race recognition deficit. J. Exp. Psychol. Gen. 129, 559-574 (2000).
  32. Beale, J. M., Keil, F. C. Categorical effects in the perception of faces. Cognition. 57, 217-239 (1995).
  33. Calder, A. J., Young, A. W., Perrett, D. I., Etcoff, N. L., Rowland, D. Categorical perception of morphed facial expressions. Visual Cognition. 3, 81-117 (1996).
  34. Etcoff, N. L., Magee, J. J. Categorical perception of facial expressions. Cognition. 44, 227-240 (1992).
  35. Campanella, S., Quinet, P., Bruyer, R., Crommelinck, M., Guerit, J. M. Categorical perception of happiness and fear facial expressions: an ERP study. J. Cogn. Neurosci. 14, 210-227 (2002).
  36. Macrae, C. N., Bodenhausen, G. V. Social cognition: thinking categorically about others. Annu. Rev. Psychol. 51, 93-120 (2000).
  37. Schneider, E., Wang, Y., Yang, S. Exploring the Uncanny Valley with Japanese Video Game Characters. Conference proceedings of DIGRA 2007, SMU Press. (2007).
  38. Looser, C. E., Wheatley, T. The tipping point of animacy: How, when, and where we perceive life in a face. Psychological Science. 21, 1854-1862 (2010).
  39. Macmillan, N. A., Goldberg, R. F., Braida, L. D. Resolution for Speech Sounds: Basic sensitivity and context memory on vowel and consonant continua. Journal of the Acoustical Society of America. 84, 1262-1280 (1988).
  40. Newell, F. N., Bulthoff, H. H. Cognition Categorical perception of familiar objects. Cognition. 85, 113-143 (2002).
  41. Rotshtein, P., Henson, R. N., Treves, A., Driver, J., Dolan, R. J. Morphing Marilyn into Maggie dissociates physical and identity face representations in the brain. Nat. Neurosci. 8, 107-113 (2005).
  42. Massaro, D. W., Cohen, M. M. Categorical or continuous speech perception: A new test. Speech Communication. 2, 15-35 (1983).
  43. Snodgrass, J. G., Corwin, J. Pragmatics of measuring recognition memory: Applications to dementia and amnesia. Journal of Experimental Psychology: Genera. 117, 34-50 (1988).
  44. Macmillan, N. A., Creelman, C. D. Detection theory: A user's guide. Cambridge University Press. Cambridge. (1991).
  45. Snodgrass, J. G., Levy-Berger, G., Haydon, M. Human experimental psychology. Oxford University Press. New York. (1985).
  46. Donaldson, W. Accuracy of d' and A' as estimates of sensitivity. Bulletin of the Psychonomic Society. 31, 271-274 (1993).
  47. Donaldson, W. Measuring recognition memory. Journal of Experimental Psychology: General. 121, 275-278 (1992).
  48. Stanislaw, H., Todorov, N. Calculation of signal detection theory measures. Behavior Research Methods, Instruments, & Computers. 31, 137-149 (1999).
  49. Wright, D. B., Horry, R., Skagerberg, E. M. Functions for traditional and multilevel approaches to signal detection theory. Behavior Research Methods. 41, 257-267 (2009).
  50. Sorkin, R. D. Spreadsheet signal detection. Behavior Research Methods, Instruments, & Computers. 31, (1), 6-54 (1999).
  51. Verde, M. F., Macmillan, N. A., Rotello, C. M. Measures of sensitivity based on a single hit rate and false-alarm rate: The accuracy, precision, and robustness of d', Az, and A'. Perception & Psychophysics. 68, 643-654 (2006).
  52. Swets, J. A. Form of empirical ROCs in discrimination and diagnostic tasks: Implications for theory and measurement of performance. Psychological Bulletin. 99, 181-198 (1986).
  53. Pollack, I., Norman, D. A. A nonparametric analysis of recognition experiments. Psychonomic Science. 1, 125-126 (1964).
  54. Macmillan, N. A. Signal detection theory as data analysis method and psychological decision model. A handbook for data analysis in the behavioral sciences: Methodological issues. Keren, G., Lewis, C. Erlbaum. Hillsdale, NJ. 21-57 (1993).
  55. Todorov, A., Engell, A. The role of the amygdala in implicit evaluation of emotionally neutral faces. Soc. Cogn. Affect. Neurosci. 3, 303-312 (2008).
  56. Phelps, E. A., LeDoux, J. E. Contributions of the amygdala to emotion processing: from animal models to human behavior. Neuron. 48, 175-187 (2005).
  57. Herwig, U., Kaffenberger, T., Baumgartner, T., Jancke, L. Neural correlates of a "pessimistic" attitude when anticipating events of unknown emotional valence. Neuroimage. 34, 848-858 (2007).
  58. Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. 103, 1036-1047 (2010).
  59. Neta, M., Whalen, P. J. The primacy of negative interpretations when resolving the valence of ambiguous facial expressions. Psychol. Sci. 21, 901-907 (2010).
  60. Seger, C. A., Miller, E. K. Category learning in the brain. Annu. Rev. Neurosci. 33, 203-219 (2010).
  61. Volz, K. G., Schubotz, R. I., von Cramon, D. Y. Predicting events of varying probability: uncertainty investigated by fMRI. Neuroimage. 19, (1), 271-280 (2003).
  62. Grinband, J., Hirsch, J., Ferrera, V. P. A neural representation of categorization uncertainty in the human brain. Neuron. 49, 757-763 (2006).
  63. Heekeren, H. R., Marrett, S., Ungerleider, L. G. The neural systems that mediate human perceptual decision making. Nat. Rev. Neurosci. 9, 467-479 (2008).
  64. Gray, M. A., Critchley, H. D. Interoceptive basis to craving. Neuron. 54, 183-186 (2007).
  65. Wager, T. D., Phan, K. L., Liberzon, I., Taylor, S. F. Valence, gender, and lateralization of functional brain anatomy in emotion: a meta-analysis of findings from neuroimaging. Neuroimage. 19, 513-531 (2003).
  66. Poldrack, R. A., Rodriguez, P. How do memory systems interact? Evidence from human classification learning. Neurobiol. Learn. Mem. 82, 324-332 (2004).
  67. Seger, C. A., Cincotta, C. M. The roles of the caudate nucleus in human classification learning. J. Neurosci. 25, 2941-2951 (2005).
  68. Seger, C. A., Peterson, E. J., Cincotta, C. M., Lopez-Paniagua, D., Anderson, C. W. Dissociating the contributions of independent corticostriatal systems to visual categorization learning through the use of reinforcement learning modeling and Granger causality modeling. Neuroimage. 50, 644-656 (2010).
  69. Filoteo, J. V., Maddox, W. T., Salmon, D. P., Song, D. D. Information-integration category learning in patients with striatal dysfunction. Neuropsychology. 19, 212-222 (2005).
  70. Bonnet, C., Fauquet Ars, J., Estaún Ferrer, S. Reaction times as a measure of uncertainty. Psicothema. 20, (1), 43-48 (2008).
  71. Hyman, R. Stimulus information as a determinant of reaction time. J. Exp. Psychol. 45, 188-196 (1953).
  72. Wickelgren, W. A. Speed-accuracy tradeoff and information processing dynamics. Acta. Psychologica. 41, 67-85 (1977).
  73. Zacksenhouse, M., Bogacz, R., Holmes, P. Robust versus optimal strategies for two-alternative forced choice tasks. Journal of Mathematical Psychology. 54, (2), 230-246 (2010).
  74. Campanella, S., Chrysochoos, A., Bruyer, R. Categorical perception of facial gender information: Behavioural evidence and the face-space metaphor. Visual Cognition. 8, 237-262 (2001).
  75. Farrell, B. 'Same - different' judgments: A review of current controversies in perceptual comparisons. Psychological Bulletin. 98, 419-456 (1985).
  76. Palmer, J., Huk, A. C., et al. The effect of stimulus strength on the speed and accuracy of a perceptual decision. J. Vision. 5, 376-404 (2005).
  77. Mori, M. The uncanny valley (K. F. MacDorman & Norri Kageki, Trans.). IEEE Robotics and Automation. 19, (2), 98-100 (1970).
  78. MacDorman, K., Green, R., Ho, C. -C., Koch, C. Too real for comfort? Uncanny responses to computer generated faces. Comput. Hum. Behav. 25, 695-710 (2009).
  79. Grier, J. B. Nonparametric indexes for sensitivity and bias - computing formulas. Psychological Bulletin. 75, (6), 424-429 (1971).
  80. Repp, B. H. Categorical perception: Issues, methods and findings. Speech and language: Advances in basic research and practice. Lass, N. 10, Academic Press. Orlando, FL. 244-335 (1984).
  81. de Gelder, B., Teunisse, J. P., Benson, P. J. Categorical perception of facial expressions: Categories and their internal structure'. Cognition and Emotion. 11, (1), 1-23 (1997).
  82. Liberman, A. M., Harris, K., Hoffmann, H. S., Griffith, B. The discrimination of speech sounds within and across phoneme boundaries. J. Exp. Psychol. 54, 358-368 (1957).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics