Date post: | 05-Apr-2015 |
Category: |
Documents |
Upload: | margarete-hemmer |
View: | 110 times |
Download: | 3 times |
Perzeptuelles Lernen
Antrittsvorlesung am Fachbereich Psychologie und Sportwissenschaft
der WWU Münster
Günter Meinhardt
Neurowissenschaft
Mathematische Psychologie
Neuroinformatik
Neurophysiologie
Psychophysik
Perzeptuelles Lernen
BeobachtungLeistung in sensorischen Diskriminationsaufgaben läßt sich durch Training drastisch verbessern
Erklärungen & Modelle• Randbedingungen des Lernens• Identifikation der beteiligten Prozesse• Lokalisation der Plastizität
Vernier-Diskrimination
375ms
VP-Antwort
500ms
Zeit
500ms
Urteil:
oder ?
Aufgabe Psychometrische Daten
0.1 0.2 0.3 0.4
0.2
0.4
0.6
0.8
1
0
Anteil korrekter Antworten
80% Schwelle
0.5
x (min arc)
Vernier-DiskriminationslernenPsychometrische Daten
0.1 0.2 0.3 0.4
0.2
0.4
0.6
0.8
1
0
Anteil korrekter Antworten
80% Schwellen
0.5
x (min arc)
Tag 1Tag 3Tag 25
Schwellenverlauf
0 5 10 15 20 25 300.0
0.1
0.2
0.3
0.4
Tag
x (min arc)
Berechnung der Objektgröße
xm
ym
Objektgröße
Sehabstand
Sehwinkel
m
m
tanx
y
„Hyperacuity“ durch Diskriminationslernen
Vernier-SchwellenEntspricht 0.1mm in 1m Sehabstand
Entspricht 0.03mm in 1m Sehabstand
0 5 300.0
0.1
0.2
0.3
0.4
Tag
x (min arc)
pre
post
„Hyperacuity“ durch Diskriminationslernen
Vernier-Schwellen fallen durch Training unter den Durchmesser fovealer Photorezeptoren
}22.7 mm
Foveales Bild
Vernier-Reiz
pre = 0.35 min arc xpre = 2.3 10-6 m
post = 0.10 min arc xpost = 0.7 10-6 m
Zapfen-Durchmesser = 1.5 10-6 m
0 5 300.0
0.1
0.2
0.3
0.4
Tag
x (min arc)
pre
post
Neuronale Plastizität
Rezeptorschicht
V1 Neurone
1:1 Mapping
Konvergenz Plastizität
Plastizität der synaptischen Verbindungen von Retina zu V1 Zellen erklärt vermutlich Lernen von Hypersehschärfe
Retinale Ganglien
Problem Ortsauflösung
1. Ortsauflösung an Feldauflösung gebunden2. Verkleinerung bringt Problem der Lückenversorgung
Ortsauflösung: Populationscode*
*Eurich & Schwegler 1997 (Biol Cybern 76)
Dichte der rezeptiven Feldgrenzen bestimmt die Ortsauflösung
35% größer
3er 4er & 5er
70% größer
2er
Original
Frühe visuelle Verarbeitung: Pop-Out
Hoher Merkmalskontrast in elementarer Dimension (Form): Pop-Out
Referenz Hoher M-Kontrast Geringer M-Kontrast
Frühe visuelle Verarbeitung: Pop-Out
Hoher Merkmalskontrast in elementarer Dimension (Farbe): Pop-Out
Referenz M-Kontrast durch Farbe
Frühe visuelle Verarbeitung: Pop-Out
Summation des Merkmalskontrastes über Dimensionen: Pop-Out
Referenz M-Kontrast durch Farbe und Form
Merkmalskombinationen: Kein Pop-Out
Detektion von Merkmalskombinationen: Kein Pop-Out, sondern Inferenzleistung
Farb-Grenze Form-Grenze Farbe/Form Konjunktion
Visuelle Suche
Pop-Out: Reaktionszeit ist unabhängig von der Anzahlder Distraktorelemente (Parallelverarbeitung)
Kein-PopOut
0 10 20 30 40
600
700
800 Reference Trials Target Trials
Rea
ktio
nsze
it
Anzahl der Matrixelemente0 10 20 30 40
600
700
800
Reference Trials Target Trials
Rea
ktio
nsze
itAnzahl der Matrixelemente
Pop-Out
Pop-Out
• Merkmale: Farbe, Größe, Ortsfrequenz, Orientierung, Krümmung, Bewegungsrichtung
• Detektion ist pre-attentiv, parallel und unmittelbar
• Für Pop-Out Merkmale existieren unabhängige neuronale Einheiten auf frühen Verarbeitungsstufen des visuellen Cortex
Pop-Out spiegelt die Aktivität früher Verarbeitungs-Stufen wider, die unabhängig von mentaler Ressourcen-Zuwendung agieren
Lernen von Pop-Out Detektion
Training elementarer Merkmalserkennung*• Ist Pop-Out Detektion durch Training steigerbar ?• Unter welchen Randbedingungen ?• Welche neuronalen Mechanismen vermitteln die
Lernverbesserung ?
*Karni & Sagi 1991 (PNAS 88)
Aufgabe
Karni & Sagi 1991 (PNAS 88)
10ms
VP-Antwort
250ms
Zeit
Bis bereit
SOA
100ms
Bis Antwort
Urteil:
Horizontal oder vertikal ?
Reizmuster
Karni & Sagi 1991 (PNAS 88)
0° 7°-7°
2.5° 5°
5°
2.5°
19 19 Element Matrix14° 14° groß, 1.1m Abstand
Ergebnisse
Karni & Sagi 1991 (PNAS 88)
Psychometrische Daten Schwellen & Lerntransfer
Kein Hemisphärentransfer !
Ergebnisse
Karni & Sagi 1991 (PNAS 88)
Augen - Transfer
1. Leichter Ortstransfer2. Kein Augentransfer
Orts - Transfer
Ergebnisse
Karni & Sagi 1991 (PNAS 88)
Orientierungs - Transfer
1. Keine Spezifität für Targetorientierung
2. Spezifität für Hintergrund- orientierung
Pop-Out des Orientierungsgradientenauf einer spezifischenTexturorientierung
Lernen von Pop-Out Detektion
• Automatische, preattentive und unbewußte Mustererkennung ist durch Lernen stark optimierbar
• Die Optimierung erfolgt unabhängig von Feedback• Sie ist spezifisch für Auge, Hemisphäre, Ort und die
Orientierung des Hintergrundfeldes• Der Lerneffekt ist stabil über Monate
*Karni & Sagi 1991 (PNAS 88)
Lernen durch Plastizität auf Ebene der orientierungsspezifischen,augendominanten Zellen in V1
Aufmerksamkeitskontrolle des Lernens
FRAGEN• Ist Lernen von preattentiver Mustererkennung
durch Aufmerksamkeit steuerbar ?• In welchem Maße ist Lernen aufgabenspezifisch ?• Welche Rolle hat die Schwierigkeit der Aufgabe ?• Wie wirkt Feedback auf den Lernvorgang ? • Welche Rolle spielt die Zeitskala des Lernens ?
Aufgabenspezifität*
*Ahissar & Hochstein 1993 (PNAS 90)
Aufgaben
Aufg. 2: Globale Identifikation
Auf
g. 1
: Lok
ale
Such
e
Lernverlauf
Rel. Schwellenveränderung
0 5 10 15 20 25 301.0
0.75
0.5
0.25
0.0
Sitzung
Lernen
Local
Global
Test
Global
Local
swappedorientations
Befunde zur Aufgabenspezifität
I. STRENGE AUFGABENSPEZIFITÄT• Es wird nur das verhaltensmäßig relevante Merkmal
gelernt, irrelevante Merkmale werden nicht gelernt• Bloße wiederholte Reizung reicht für Lernen nicht aus• Es findet eine aufmerksamkeitsgesteuerte Selektion,
abhängig vom Schwierigkeitsgrad der Aufgabe, statt
Befunde zur Aufgabenspezifität
II. CODE VERFÜGBARKEIT• Task-spezifische Selektion funktioniert bei
Merkmalen, die in unabhängigen Kanälen verarbeitet werden (Global/lokal, Luminanz/Orientierung)
• Lerninstanz hat Zugriff auf Code in verschiedenen Abstraktionsgraden (Training von konkreten oder generalisierten Merkmalen)
Aufbau von aufgaben- und stimulus- und schwierigkeits- spezifischen Verarbeitungspfaden unter Aufmerksamkeitskontrolle
Lernen von Gitterdiskrimination*
*Meinhardt & Grabbe 2001 (EBR, in press)
Lerngruppe II Balkenbreite
(an variablen Positionen, Position irrelevant)
MERKMALE
Lerngruppe I
Ortsfrequenz Größe Phase
(relevant) (irrelevant) (irrelevant)
„Same – Different“ Aufgabe
500ms
Gitter - Lerner
500ms
VP-Antwort
125ms
Zeit
125ms
500ms
Bis Antwort
*
Ton - Feedback
Balken - Lerner
500ms
VP-Antwort
125ms
Zeit
125ms
500ms
500ms
Bis Antwort
*
Ton - Feedback
Variation und KontrolleParameter- Raum
1
2
3
4
5
dx1 f1 f2 f3 f4 f5
dx2 f2 f3 f4 f5 f1
dx3 f3 f4 f5 f1 f2
dx4 f4 f5 f1 f2 f3
dx5 f5 f1 f2 f3 f4
1
2
3
4
5
dx1 f0 f0 f0 f0 f0
dx2 f0 f0 f0 f0 f0
dx3 f0 f0 f0 f0 f0
dx4 f0 f0 f0 f0 f0
dx5 f0 f0 f0 f0 f0
Targets Referenzen
5 Wiederholungen
= 125 Target-Trials
5 Wiederholungen
= 125 Referenz-Trials
125 T – R125 R – R
f – Schwelle f0 - fx
Lernergebnisse – Gitter Lerner (N = 11)
VP = MZ
0 2 4 6 8 10 12 14 16 18 20 220.000
0.125
0.250
0.375
0.500
0.625
Block
f – Schwelle (cpd)
VP = TG
0 2 4 6 8 10 12 14 16 18 20 220.000
0.125
0.250
0.375
0.500
0.625
Block
f – Schwelle (cpd)
Bei allen Gitter-Lernern halbiert sich die Ortsfrequenzschwelleim Laufe von einer Trainingswoche (3 Blöcke pro Tag)
Lernergebnisse – Balken Lerner (N = 8)
Bei allen Balken-Lernern halbiert sich die Balkenbreiten-Schwelle in einer Trainingswoche (3 Blöcke pro Tag)
Block
VP = JT
0 2 4 6 8 10 12 14 16 18 20 220.00
0.01
0.02
0.03
0.04
0.05
0.06
X – Schwelle (deg)
VP = NS
0 2 4 6 8 10 12 14 16 18 20 220.00
0.01
0.02
0.03
0.04
0.05
0.06
Block
X – Schwelle (deg)
Lerntransfer - Bestimmung
0 5 300.0
0.1
0.2
0.3
0.4
Tag
Schwelleneinheit
pre
post
Lerntransfer Index 100%pre post
pre post
S S
S S
Lerntransfer Gitter Lerner (N = 11)
-20
-10
0
10
20
30
40
50
Lern- Transfer Index %
95% Konfidenzgrenzen
Ler
n-A
ufg
abe
Fre
qu
enz
Grö
ße
Ph
ase
Bal
ken
bre
ite
ERGEBNISSE
• Ortsfrequenz- und Balkenbreiten- Diskrimination wird unabhängig von Position und Größe gelernt
• Größen- und Positionsdiskrimination wird nicht gelernt
Es werden nur aufgabenrelevante Merkmale gelernt
Lerntransfer Balken Lerner (N = 8)
ERGEBNISSE
• Balkenbreiten- und Ortsfrequenz- Diskrimination wird unabhängig von Position und Größe gelernt
• Größen- und Positionsdiskrimination wird nicht gelernt
Es werden nur aufgabenrelevante Merkmale gelernt
-20
-10
0
10
20
30
40
50
Lern- Transfer Index %
95% Konfidenzgrenzen
Ler
n-A
ufg
abe
Grö
ße
Ph
ase
Fre
qu
enz
Stimulustransfer Gitter Lerner (N = 11)
ERGEBNISSE (1 Oktave tiefere Frequenz)
• Die Lernleistung in Ortsfrequenz- Diskrimination überträgt sich nicht auf Stimuli mit größerer Wellenlänge
• Größen- und Positionsdiskrimination wird, unabhängig von Stimulus-Wellenlänge, nicht gelernt
Es wird wellenlängenspezifisch gelernt
-20
-10
0
10
20
30
40
50
Lern- Transfer Index %
95% Konfidenzgrenzen
Ler
n-A
ufg
abe
Fre
qu
enz
Grö
ße
Ph
ase
Bal
ken
bre
ite
Stimulustransfer Balken Lerner (N = 8)
ERGEBNISSE (1 Oktave tiefere Frequenz)
• Die Lernleistung in Ortsfrequenz- Diskrimination überträgt sich nicht auf Gitter-Stimuli mit größerer Wellenlänge, aber auf Balken
• Größen- und Positionsdiskrimination wird, unabhängig von Stimulus-Wellenlänge, nicht gelernt
Es wird weitgehend wellenlängen- spezifisch gelernt
-20
-10
0
10
20
30
40
50
Lern- Transfer Index %
95% Konfidenzgrenzen
Ler
n-A
ufg
abe
Fre
qu
enz
Grö
ße
Ph
ase
Bal
ken
bre
ite
Lernen von Gitterdiskrimination*• Beide Gruppen von Lernern lernen das Merkmal der Breite von
streifenartigen Mustern zu differenzieren• Lernen ist spezifisch für die Aufgabe der Streifenbreiten-
diskrimination • Lernen generalisiert über Ort und Größe der Muster• Lernen ist spezifisch für die Grundstreifenbreite des
Trainingsmusters, aber nicht spezifisch für die Art dieses Musters (Balken oder Gitter)
*Meinhardt & Grabbe 2001 (EBR, in press)
Werden durch das Training Streifenbreitendiskriminations-Mechanismen an verschiedenen retinalen Koordinaten gebildet ?
Was verbessert sich noch ?
parameter -0.01 0.02 0.03 0.04
0.2
0.4
0.6
0.8
1
0
Proportion correct
Lernfortschritt
prepost
Location-Parameter
Steigung im Location-Parameter
SchwelleNoisecrozier
Je kleiner crozier, desto günstiger Signal to Noise Ratio
Was verbessert sich noch ?
...der Signal to Noise Ratio für Balken, nicht aber für Gitter
pre post
Bar Learner
Cro
zier
Coe
ffici
ent
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
bar
grating
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
pre post
Grating Learner
Cro
zier
Coe
ffici
ent
bar
grating
N=8 N=11
Gilt Diskrimination durch unabhängige Mechanismen, so könnendie Unterschiedsschwellen für Gitterreize aus den Schwellenfür die Balkenreize vorhergesagt werden.
Wahrscheinlichkeitssummation(Interaktionseffekte zwischen Mechanismen an verteilten Positionen)
X1 X2 XK
Arbeiten die Mechanismen auf den K- Positionen unabhängig, folgt
1
1 1K
ii
P P
Vorhersage Balken Gitter(Gitter - Lerner)
-0.01 0.01 0.02 0.03 0.040
subject TG
d‘ model fit Probability summation prediction
Grating - Posttest Bar - Posttest Grating - Pretest Bar - Pretest
-0.01 0.01 0.02 0.03 0.04
0.2
0.4
0.6
0.8
1
0
X (deg)X (deg)
Pc Pc
0.2
0.4
0.6
0.8
1
-0.01 0.01 0.02 0.03 0.040
subject MZ
d‘ model fit Probability summation prediction
-0.01 0.01 0.02 0.03 0.04
0.2
0.4
0.6
0.8
1
0
X (deg)X (deg)
Pc Pc
0.2
0.4
0.6
0.8
1
Wahrscheinlichkeitssummation
0 1 (1 )kGit BarP p P
Pretest:Keine Vorhersagbarkeit
Posttest:PGit vorhersagbar mitk 8
Vorhersage Balken Gitter(Balken - Lerner)
Wahrscheinlichkeitssummation
0 1 (1 )kGit BarP p P
Pretest:Keine Vorhersagbarkeit
Posttest:PGit vorhersagbar mitk
Grating - Posttest Bar - Posttest Grating - Pretest Bar - Pretest
-0.01 0.01 0.02 0.03 0.040
subject NS
d‘ model fit Probability summation prediction
-0.01 0.01 0.02 0.03 0.04
0.2
0.4
0.6
0.8
1
0
X (deg)X (deg)
Pc Pc
0.2
0.4
0.6
0.8
1
-0.01 0.01 0.02 0.03 0.040
subject NL
d‘ model fit Probability summation prediction
-0.01 0.01 0.02 0.03 0.04
0.2
0.4
0.6
0.8
1
0
X (deg)X (deg)
Pc Pc
0.2
0.4
0.6
0.8
1
Resultat
Vor dem Lerntraining gibt es keine Vorhersagbarkeit PBar PGit , wohl aber nach dem Training
Durch das Diskrimininationstraining werden an verteiltenOrten Streifenbreitendiskriminationsmechanismen aufgebaut, die unabhängig voneinander arbeiten. Der Lernprozeß ist Top-down gesteuert (aufgabenselektiv) und die aufgebauten Mechanismen sind selektiv für die Grundstreifenbreite der Reizmuster
Orientation & Spatial Frequency
Gabor Feature Contrast
Modell – Neuron2
wj1
wjK
wj2
x1
x2
xK
yj
SynapsenEingabe vonGanglienBinäre Antwort
Regel: Wähle die wji derart, daß 1 21
maxN
j jj
y y
Neuron - Antwort
j S ji ii
y w x
Schwellenmechanismus
0,
1,S
u Su
u S
Modell - Neuron
wj1
wjK
wj2
x1
x2
xK
yj
SynapsenEingabe vonGanglien Erregung
„Gewinnfunktion“
1
1 uu
e
Neuron - Erregung
j ji ii
y w x
Regel: Wähle die wji derart, daß 1 21
maxN p
j jj
y y
Merkmalskontrast elementarer Signale
M-Kontrast durch Gradient in Orientierung & Ortsfrequenz: verstärktes Pop-Out
Visuelle Diskriminationsaufgaben
Bisektion Auflösung Vernier
Wellenlänge Größe Orientierung