ຂອບໃຈທີ່ທ່ານເຂົ້າມາຢ້ຽມຊົມ Nature.com. ໂປຣແກຣມທ່ອງເວັບລຸ້ນທີ່ທ່ານກຳລັງໃຊ້ຢູ່ນັ້ນຮອງຮັບ CSS ໄດ້ຈຳກັດ. ເພື່ອປະສົບການທີ່ດີທີ່ສຸດ, ພວກເຮົາແນະນຳໃຫ້ທ່ານໃຊ້ໂປຣແກຣມທ່ອງເວັບທີ່ອັບເດດແລ້ວ (ຫຼື ປິດໂໝດຄວາມເຂົ້າກັນໄດ້ໃນ Internet Explorer). ໃນລະຫວ່າງນີ້, ເພື່ອຮັບປະກັນການຮອງຮັບຢ່າງຕໍ່ເນື່ອງ, ພວກເຮົາຈະສະແດງຜົນເວັບໄຊທ໌ໂດຍບໍ່ມີຮູບແບບ ແລະ JavaScript.
ຮູບໝູນທີ່ສະແດງສາມສະໄລ້ໃນເວລາດຽວກັນ. ໃຊ້ປຸ່ມກ່ອນໜ້າ ແລະ ຕໍ່ໄປເພື່ອເລື່ອນຜ່ານສາມສະໄລ້ໃນເວລາດຽວກັນ, ຫຼືໃຊ້ປຸ່ມຕົວເລື່ອນຢູ່ທ້າຍເພື່ອເລື່ອນຜ່ານສາມສະໄລ້ໃນເວລາດຽວກັນ.
ວິໄສທັດທີ່ມີຄວາມລະອຽດສູງຮຽກຮ້ອງໃຫ້ມີການເກັບຕົວຢ່າງ ແລະ ການເຊື່ອມໂຍງຂອງຈໍປະສາດຕາຢ່າງລະອຽດເພື່ອສ້າງຄຸນສົມບັດຂອງວັດຖຸຄືນໃໝ່. ມັນເປັນສິ່ງສຳຄັນທີ່ຄວນສັງເກດວ່າເມື່ອປະສົມຕົວຢ່າງທ້ອງຖິ່ນຈາກວັດຖຸທີ່ແຕກຕ່າງກັນ, ຄວາມຖືກຕ້ອງຈະສູນເສຍໄປ. ດັ່ງນັ້ນ, ການແບ່ງສ່ວນ, ການຈັດກຸ່ມພື້ນທີ່ຂອງຮູບພາບສຳລັບການປະມວນຜົນແຍກຕ່າງຫາກ, ແມ່ນມີຄວາມສຳຄັນຕໍ່ການຮັບຮູ້. ໃນວຽກງານທີ່ຜ່ານມາ, ໂຄງສ້າງຕາຂ່າຍ bistable, ເຊິ່ງສາມາດພິຈາລະນາໄດ້ວ່າເປັນໜ້າດິນທີ່ເຄື່ອນທີ່ໜຶ່ງ ຫຼື ຫຼາຍໜ້າດິນ, ໄດ້ຖືກນໍາໃຊ້ເພື່ອສຶກສາຂະບວນການນີ້. ໃນທີ່ນີ້, ພວກເຮົາລາຍງານຄວາມສຳພັນລະຫວ່າງກິດຈະກຳ ແລະ ການຕັດສິນການແບ່ງສ່ວນໃນພາກພື້ນກາງຂອງເສັ້ນທາງການເບິ່ງເຫັນຂອງສັດລິງ. ໂດຍສະເພາະ, ພວກເຮົາພົບວ່າເຊວປະສາດຊົ່ວຄາວທີ່ມີທິດທາງເລືອກເຟັ້ນແມ່ນມີຄວາມອ່ອນໄຫວຕໍ່ກັບສັນຍານໂຄງສ້າງທີ່ໃຊ້ເພື່ອບິດເບືອນການຮັບຮູ້ຂອງຕາຂ່າຍ bistable ແລະ ສະແດງໃຫ້ເຫັນຄວາມສຳພັນທີ່ສຳຄັນລະຫວ່າງການທົດລອງ ແລະ ການຮັບຮູ້ແບບອັດຕະວິໄນຂອງການກະຕຸ້ນທີ່ຍືນຍົງ. ຄວາມສຳພັນນີ້ແມ່ນໃຫຍ່ກວ່າໃນຫົວໜ່ວຍທີ່ສົ່ງສັນຍານການເຄື່ອນໄຫວທົ່ວໂລກໃນຮູບແບບທີ່ມີຫຼາຍທິດທາງທ້ອງຖິ່ນ. ດັ່ງນັ້ນ, ພວກເຮົາສະຫຼຸບໄດ້ວ່າໂດເມນເວລາກາງມີສັນຍານທີ່ໃຊ້ເພື່ອແຍກສາກທີ່ສັບສົນອອກເປັນວັດຖຸ ແລະ ໜ້າດິນທີ່ເປັນສ່ວນປະກອບ.
ວິໄສທັດບໍ່ພຽງແຕ່ອີງໃສ່ການຈຳແນກທີ່ຊັດເຈນຂອງລັກສະນະຮູບພາບຂັ້ນພື້ນຖານເຊັ່ນ: ການວາງແນວຂອບ ແລະ ຄວາມໄວເທົ່ານັ້ນ, ແຕ່ສິ່ງທີ່ສຳຄັນກວ່ານັ້ນແມ່ນການເຊື່ອມໂຍງທີ່ຖືກຕ້ອງຂອງລັກສະນະເຫຼົ່ານີ້ເພື່ອຄິດໄລ່ຄຸນສົມບັດດ້ານສິ່ງແວດລ້ອມເຊັ່ນ: ຮູບຮ່າງຂອງວັດຖຸ ແລະ ເສັ້ນທາງການເຄື່ອນທີ່1. ຢ່າງໃດກໍຕາມ, ບັນຫາເກີດຂຶ້ນເມື່ອຮູບພາບຈໍປະສາດຕາຮອງຮັບກຸ່ມລັກສະນະທີ່ເປັນໄປໄດ້ຫຼາຍຢ່າງເທົ່າທຽມກັນ 2, 3, 4 (ຮູບທີ 1a). ຕົວຢ່າງ, ເມື່ອສອງຊຸດຂອງສັນຍານຄວາມໄວຢູ່ໃກ້ກັນຫຼາຍ, ສິ່ງນີ້ສາມາດຖືກຕີຄວາມໄດ້ຢ່າງສົມເຫດສົມຜົນວ່າເປັນວັດຖຸທີ່ເຄື່ອນທີ່ໜຶ່ງ ຫຼື ວັດຖຸທີ່ເຄື່ອນທີ່ຫຼາຍອັນ (ຮູບທີ 1b). ນີ້ສະແດງໃຫ້ເຫັນເຖິງລັກສະນະທາງອັດຕະວິໄນຂອງການແບ່ງສ່ວນ, ເຊັ່ນວ່າມັນບໍ່ແມ່ນຄຸນສົມບັດທີ່ຄົງທີ່ຂອງຮູບພາບ, ແຕ່ເປັນຂະບວນການຕີຄວາມ. ເຖິງວ່າມັນມີຄວາມສຳຄັນຢ່າງຈະແຈ້ງສຳລັບການຮັບຮູ້ປົກກະຕິ, ຄວາມເຂົ້າໃຈຂອງພວກເຮົາກ່ຽວກັບພື້ນຖານທາງປະສາດຂອງການແບ່ງສ່ວນການຮັບຮູ້ຍັງບໍ່ຄົບຖ້ວນສົມບູນຢ່າງດີທີ່ສຸດ.
ຮູບແຕ້ມກາຕູນຂອງບັນຫາການແບ່ງສ່ວນການຮັບຮູ້. ການຮັບຮູ້ຄວາມເລິກຂອງຜູ້ສັງເກດການໃນຮູບຊົງກ້ອນ Necker (ຊ້າຍ) ສະຫຼັບກັນລະຫວ່າງສອງຄຳອະທິບາຍທີ່ເປັນໄປໄດ້ (ຂວາ). ນີ້ແມ່ນຍ້ອນວ່າບໍ່ມີສັນຍານໃນຮູບພາບທີ່ຊ່ວຍໃຫ້ສະໝອງສາມາດກຳນົດທິດທາງ 3D ຂອງຮູບໄດ້ຢ່າງເປັນເອກະລັກ (ສະໜອງໃຫ້ໂດຍສັນຍານການປິດບັງແສງດຽວຢູ່ເບື້ອງຂວາ). ຂ ເມື່ອສັນຍານການເຄື່ອນໄຫວຫຼາຍຢ່າງຖືກນຳສະເໜີໃນຄວາມໃກ້ຄຽງທາງພື້ນທີ່, ລະບົບວິໄສທັດຕ້ອງກຳນົດວ່າຕົວຢ່າງທ້ອງຖິ່ນແມ່ນມາຈາກວັດຖຸໜຶ່ງຫຼືຫຼາຍວັດຖຸ. ຄວາມບໍ່ແນ່ນອນທີ່ມີຢູ່ໃນສັນຍານການເຄື່ອນໄຫວທ້ອງຖິ່ນ, ເຊັ່ນ: ລຳດັບຂອງການເຄື່ອນໄຫວຂອງວັດຖຸສາມາດຜະລິດການເຄື່ອນໄຫວທ້ອງຖິ່ນດຽວກັນ, ເຊິ່ງສົ່ງຜົນໃຫ້ການຕີຄວາມໝາຍທີ່ເປັນໄປໄດ້ຫຼາຍຢ່າງຂອງການປ້ອນຂໍ້ມູນທາງສາຍຕາ, ເຊັ່ນ: ພາກສະໜາມເວັກເຕີຢູ່ທີ່ນີ້ສາມາດເກີດຂຶ້ນຈາກການເຄື່ອນທີ່ທີ່ສອດຄ່ອງກັນຂອງພື້ນຜິວດຽວ ຫຼື ການເຄື່ອນທີ່ໂປ່ງໃສຂອງພື້ນຜິວທີ່ຊ້ອນກັນ. ຄ (ຊ້າຍ) ຕົວຢ່າງຂອງການກະຕຸ້ນຕາຂ່າຍທີ່ມີໂຄງສ້າງຂອງພວກເຮົາ. ຕາຂ່າຍຮູບສີ່ແຈສາກທີ່ລອຍຕັ້ງສາກກັບທິດທາງຂອງມັນ (“ທິດທາງອົງປະກອບ” - ລູກສອນສີຂາວ) ຊ້ອນກັນເພື່ອສ້າງຮູບແບບຕາຂ່າຍ. ຕາຂ່າຍສາມາດຖືກຮັບຮູ້ວ່າເປັນການເຄື່ອນໄຫວທິດທາງດຽວ, ປົກກະຕິ, ເຊື່ອມຕໍ່ກັນ (ລູກສອນສີແດງ) ຫຼື ການເຄື່ອນທີ່ໂປ່ງໃສຂອງທິດທາງປະສົມ. ການຮັບຮູ້ຂອງຕາຂ່າຍໄຟຟ້າຖືກບິດເບືອນໂດຍການເພີ່ມຕົວຊີ້ບອກໂຄງສ້າງຈຸດແບບສຸ່ມ. (ກາງ) ພື້ນທີ່ທີ່ເນັ້ນໃສ່ສີເຫຼືອງຖືກຂະຫຍາຍອອກ ແລະ ສະແດງເປັນຊຸດຂອງເຟຣມສຳລັບສັນຍານທີ່ສອດຄ່ອງ ແລະ ໂປ່ງໃສຕາມລຳດັບ. ການເຄື່ອນໄຫວຂອງຈຸດໃນແຕ່ລະກໍລະນີແມ່ນສະແດງໂດຍລູກສອນສີຂຽວ ແລະ ສີແດງ. (ຂວາ) ກຣາຟຂອງຕຳແໜ່ງ (x, y) ຂອງຈຸດເລືອກທຽບກັບຈຳນວນເຟຣມ. ໃນກໍລະນີທີ່ສອດຄ່ອງ, ໂຄງສ້າງທັງໝົດຈະລອຍໄປໃນທິດທາງດຽວກັນ. ໃນກໍລະນີຂອງຄວາມໂປ່ງໃສ, ໂຄງສ້າງຈະເຄື່ອນທີ່ໄປໃນທິດທາງຂອງອົງປະກອບ. d ຮູບແຕ້ມກາຕູນຂອງວຽກງານການແບ່ງສ່ວນການເຄື່ອນໄຫວຂອງພວກເຮົາ. ລີງໄດ້ເລີ່ມຕົ້ນການທົດລອງແຕ່ລະຄັ້ງໂດຍການແກ້ໄຂຈຸດນ້ອຍໆ. ຫຼັງຈາກການຊັກຊ້າສັ້ນໆ, ຮູບແບບຕາຂ່າຍໄຟຟ້າປະເພດໃດໜຶ່ງ (ຄວາມສອດຄ່ອງ/ໂປ່ງໃສ) ແລະ ຂະໜາດສັນຍານໂຄງສ້າງ (ເຊັ່ນ: ຄວາມຄົມຊັດ) ປາກົດຢູ່ທີ່ສະຖານທີ່ຂອງ MT RF. ໃນລະຫວ່າງການທົດສອບແຕ່ລະຄັ້ງ, ຕາຂ່າຍໄຟຟ້າອາດຈະລອຍໄປໃນທິດທາງໜຶ່ງໃນສອງທິດທາງທີ່ເປັນໄປໄດ້ຂອງຮູບແບບ. ຫຼັງຈາກການຖອນການກະຕຸ້ນ, ເປົ້າໝາຍການເລືອກຈະປາກົດຢູ່ຂ້າງເທິງ ແລະ ຂ້າງລຸ່ມ MT RF. ລີງຕ້ອງຊີ້ບອກການຮັບຮູ້ຂອງພວກມັນກ່ຽວກັບຕາຂ່າຍໄຟຟ້າໃນ saccades ໄປຫາເປົ້າໝາຍການເລືອກທີ່ເໝາະສົມ.
ການປະມວນຜົນການເຄື່ອນໄຫວທາງສາຍຕາແມ່ນມີລັກສະນະທີ່ດີ ແລະ ດັ່ງນັ້ນຈຶ່ງສະໜອງຮູບແບບທີ່ດີເລີດສຳລັບການສຶກສາວົງຈອນປະສາດຂອງການແບ່ງສ່ວນການຮັບຮູ້. ການສຶກສາດ້ານຄອມພິວເຕີຫຼາຍໆຄັ້ງໄດ້ສັງເກດເຫັນປະໂຫຍດຂອງຮູບແບບການປະມວນຜົນການເຄື່ອນໄຫວສອງຂັ້ນຕອນ ເຊິ່ງການປະເມີນເບື້ອງຕົ້ນທີ່ມີຄວາມລະອຽດສູງແມ່ນຕິດຕາມດ້ວຍການປະສົມປະສານແບບເລືອກເຟັ້ນຂອງຕົວຢ່າງທ້ອງຖິ່ນເພື່ອກຳຈັດສຽງລົບກວນ ແລະ ຟື້ນຟູຄວາມໄວຂອງວັດຖຸ7,8. ມັນເປັນສິ່ງສຳຄັນທີ່ຄວນສັງເກດວ່າລະບົບການເບິ່ງເຫັນຕ້ອງລະມັດລະວັງໃນການຈຳກັດກຸ່ມນີ້ໃຫ້ຢູ່ໃນຕົວຢ່າງທ້ອງຖິ່ນເຫຼົ່ານັ້ນຈາກວັດຖຸທຳມະດາເທົ່ານັ້ນ. ການສຶກສາທາງດ້ານຈິດຕະວິທະຍາໄດ້ອະທິບາຍເຖິງປັດໃຈທາງກາຍະພາບທີ່ມີອິດທິພົນຕໍ່ວິທີການແບ່ງສ່ວນສັນຍານການເຄື່ອນໄຫວໃນທ້ອງຖິ່ນ, ແຕ່ຮູບຮ່າງຂອງເສັ້ນທາງວິພາກ ແລະ ລະຫັດປະສາດຍັງຄົງເປັນຄຳຖາມທີ່ເປີດຢູ່. ບົດລາຍງານຈຳນວນຫຼາຍຊີ້ໃຫ້ເຫັນວ່າຈຸລັງທີ່ເລືອກທິດທາງໃນພາກພື້ນຊົ່ວຄາວ (MT) ຂອງເປືອກສະໝອງລິງແມ່ນຜູ້ສະໝັກສຳລັບຊັ້ນໃຕ້ດິນຂອງລະບົບປະສາດ.
ສິ່ງສຳຄັນ, ໃນການທົດລອງທີ່ຜ່ານມາເຫຼົ່ານີ້, ການປ່ຽນແປງຂອງກິດຈະກຳຂອງລະບົບປະສາດມີຄວາມສຳພັນກັບການປ່ຽນແປງທາງດ້ານຮ່າງກາຍໃນການກະຕຸ້ນທາງສາຍຕາ. ຢ່າງໃດກໍຕາມ, ດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງ, ການແບ່ງສ່ວນແມ່ນຂະບວນການຮັບຮູ້ໂດຍພື້ນຖານແລ້ວ. ດັ່ງນັ້ນ, ການສຶກສາຂອງຊັ້ນໃຕ້ດິນຂອງລະບົບປະສາດຮຽກຮ້ອງໃຫ້ມີການເຊື່ອມໂຍງການປ່ຽນແປງຂອງກິດຈະກຳຂອງລະບົບປະສາດກັບການປ່ຽນແປງໃນການຮັບຮູ້ຂອງການກະຕຸ້ນທີ່ຄົງທີ່. ດັ່ງນັ້ນ, ພວກເຮົາໄດ້ຝຶກອົບຮົມລີງສອງໂຕໃຫ້ລາຍງານວ່າຮູບແບບຕາຂ່າຍ bistable ທີ່ຮັບຮູ້ໄດ້ເຊິ່ງສ້າງຂຶ້ນໂດຍຕາຂ່າຍສີ່ຫລ່ຽມທີ່ລອຍຊ້ອນກັນແມ່ນໜ້າດິນດຽວ ຫຼື ສອງໜ້າດິນເອກະລາດ. ເພື່ອສຶກສາຄວາມສຳພັນລະຫວ່າງກິດຈະກຳຂອງລະບົບປະສາດ ແລະ ການຕັດສິນການແບ່ງສ່ວນ, ພວກເຮົາໄດ້ບັນທຶກກິດຈະກຳດຽວໃນ MT ເມື່ອລີງປະຕິບັດໜ້າວຽກນີ້.
ພວກເຮົາໄດ້ພົບເຫັນຄວາມສຳພັນທີ່ສຳຄັນລະຫວ່າງການສຶກສາກິດຈະກຳ MT ແລະ ການຮັບຮູ້. ຄວາມສຳພັນນີ້ມີຢູ່ບໍ່ວ່າສິ່ງກະຕຸ້ນຈະມີຕົວຊີ້ບອກການແບ່ງສ່ວນທີ່ຊັດເຈນຫຼືບໍ່. ນອກຈາກນັ້ນ, ຄວາມເຂັ້ມແຂງຂອງຜົນກະທົບນີ້ແມ່ນກ່ຽວຂ້ອງກັບຄວາມອ່ອນໄຫວຕໍ່ສັນຍານການແບ່ງສ່ວນ, ເຊັ່ນດຽວກັນກັບດັດຊະນີຮູບແບບ. ອັນສຸດທ້າຍວັດແທກລະດັບທີ່ຫົວໜ່ວຍແຜ່ກະຈາຍການເຄື່ອນໄຫວທົ່ວໂລກແທນທີ່ຈະເປັນການເຄື່ອນໄຫວໃນທ້ອງຖິ່ນໃນຮູບແບບທີ່ສັບສົນ. ເຖິງແມ່ນວ່າການເລືອກເຟັ້ນສຳລັບທິດທາງແຟຊັ່ນໄດ້ຮັບການຍອມຮັບມາດົນແລ້ວວ່າເປັນລັກສະນະທີ່ກຳນົດຂອງ MT, ແລະຈຸລັງທີ່ເລືອກເຟັ້ນແຟຊັ່ນສະແດງໃຫ້ເຫັນເຖິງການປັບຕົວເຂົ້າກັບສິ່ງກະຕຸ້ນທີ່ສັບສົນສອດຄ່ອງກັບການຮັບຮູ້ຂອງມະນຸດກ່ຽວກັບສິ່ງກະຕຸ້ນເຫຼົ່ານັ້ນ, ຕາມຄວາມຮູ້ທີ່ດີທີ່ສຸດຂອງພວກເຮົາ, ນີ້ແມ່ນຫຼັກຖານທຳອິດສຳລັບຄວາມສຳພັນລະຫວ່າງຮູບແບບ. ດັດຊະນີ ແລະ ການແບ່ງສ່ວນການຮັບຮູ້.
ພວກເຮົາໄດ້ຝຶກອົບຮົມລີງສອງໂຕໃຫ້ສະແດງໃຫ້ເຫັນເຖິງການຮັບຮູ້ຂອງພວກມັນກ່ຽວກັບການກະຕຸ້ນຕາຂ່າຍໄຟຟ້າທີ່ລອຍໄປ (ການເຄື່ອນໄຫວທີ່ສອດຄ່ອງກັນ ຫຼື ໂປ່ງໃສ). ຜູ້ສັງເກດການຂອງມະນຸດມັກຈະຮັບຮູ້ວ່າການກະຕຸ້ນເຫຼົ່ານີ້ເປັນການເຄື່ອນໄຫວທີ່ສອດຄ່ອງກັນ ຫຼື ໂປ່ງໃສທີ່ມີຄວາມຖີ່ປະມານດຽວກັນ. ເພື່ອໃຫ້ຄຳຕອບທີ່ຖືກຕ້ອງໃນການທົດລອງນີ້ ແລະ ກຳນົດພື້ນຖານສຳລັບລາງວັນຂອງຜູ້ປະຕິບັດງານ, ພວກເຮົາໄດ້ສ້າງສັນຍານການແບ່ງສ່ວນໂດຍການເຮັດໃຫ້ໂຄງສ້າງຂອງອົງປະກອບທີ່ປະກອບເປັນຕາຂ່າຍໄຟຟ້າ (ຮູບທີ 1c, d). ພາຍໃຕ້ເງື່ອນໄຂທີ່ສອດຄ່ອງກັນ, ໂຄງສ້າງທັງໝົດເຄື່ອນທີ່ໄປຕາມທິດທາງຂອງຮູບແບບ (ຮູບທີ 1c, “ສອດຄ່ອງກັນ”). ໃນສະພາບໂປ່ງໃສ, ໂຄງສ້າງເຄື່ອນທີ່ຕັ້ງສາກກັບທິດທາງຂອງຕາຂ່າຍໄຟຟ້າທີ່ມັນຖືກຊ້ອນກັນ (ຮູບທີ 1c, “ໂປ່ງໃສ”). ພວກເຮົາຄວບຄຸມຄວາມຫຍຸ້ງຍາກຂອງໜ້າວຽກໂດຍການປ່ຽນຄວາມຄົມຊັດຂອງປ້າຍໂຄງສ້າງນີ້. ໃນການທົດລອງທີ່ຖືກຊີ້ນຳ, ລີງໄດ້ຮັບລາງວັນສຳລັບການຕອບສະໜອງທີ່ສອດຄ່ອງກັບຕົວຊີ້ບອກໂຄງສ້າງ, ແລະ ລາງວັນໄດ້ຖືກສະເໜີແບບສຸ່ມ (ອັດຕາ 50/50) ໃນການທົດລອງທີ່ມີຮູບແບບທີ່ບໍ່ມີຕົວຊີ້ບອກໂຄງສ້າງ (ເງື່ອນໄຂຄວາມຄົມຊັດຂອງໂຄງສ້າງສູນ).
ຂໍ້ມູນພຶດຕິກຳຈາກການທົດລອງທີ່ເປັນຕົວແທນສອງຢ່າງແມ່ນສະແດງຢູ່ໃນຮູບທີ 2a, ແລະ ການຕອບສະໜອງແມ່ນຖືກວາງແຜນເປັນສັດສ່ວນຂອງການຕັດສິນຄວາມສອດຄ່ອງທຽບກັບຄວາມກົງກັນຂ້າມຂອງສັນຍານໂຄງສ້າງ (ຄວາມກົງກັນຂ້າມຂອງຄວາມໂປ່ງໃສຖືກສົມມຸດວ່າເປັນລົບຕາມຄຳນິຍາມ) ສຳລັບຮູບແບບທີ່ປ່ຽນຂຶ້ນ ຫຼື ລົງຕາມລຳດັບ. ໂດຍລວມແລ້ວ, ການຮັບຮູ້ຄວາມສອດຄ່ອງ/ຄວາມໂປ່ງໃສຂອງລີງໄດ້ຮັບຜົນກະທົບຢ່າງໜ້າເຊື່ອຖືຈາກທັງເຄື່ອງໝາຍ (ໂປ່ງໃສ, ສອດຄ່ອງ) ແລະ ຄວາມເຂັ້ມແຂງ (ຄວາມຄົມຊັດ) ຂອງຕົວຊີ້ບອກໂຄງສ້າງ (ANOVA; ລີງ N: ທິດທາງ – F = 0.58, p = 0.45, ເຄື່ອງໝາຍ – F = 1248, p < 10−10, ຄວາມຄົມຊັດ – F = 22.63, p < 10;−10 ລີງ S: ທິດທາງ – F = 0.41, p = 0.52, ເຄື່ອງໝາຍ – F = 2876.7, p < 10−10, ຄວາມຄົມຊັດ – F = 36.5, p < 10−10). ໂດຍລວມແລ້ວ, ການຮັບຮູ້ຄວາມສອດຄ່ອງ/ຄວາມໂປ່ງໃສຂອງລີງໄດ້ຮັບຜົນກະທົບຢ່າງໜ້າເຊື່ອຖືຈາກທັງເຄື່ອງໝາຍ (ໂປ່ງໃສ, ສອດຄ່ອງ) ແລະ ຄວາມເຂັ້ມແຂງ (ຄວາມຄົມຊັດ) ຂອງຕົວຊີ້ບອກໂຄງສ້າງ (ANOVA; ລີງ N: ທິດທາງ – F = 0.58, p = 0.45, ເຄື່ອງໝາຍ – F = 1248, p < 10−10, ຄວາມຄົມຊັດ – F = 22.63, p < 10; -10 ລີງ S: ທິດທາງ – F = 0.41, p = 0.52, ເຄື່ອງໝາຍ – F = 2876.7, p < 10−10, ຄວາມຄົມຊັດ – F = 36.5, p < 10−10). В целом на восприятие обезьянами когерентности/прозрачности достоверно влияли как знак (прозрачносте), и сила (контрастность) текстурного признака (ANOVA; обезьяна N: направление — F = 0,58, p = 0,45, знак — F = 1208, 1208, p = 1248, знак — F = 1208, 1248. = 22,63, p < 10; 2876,7, p < 10−10, контраст – F = 36,5, р < 10–10). ໂດຍທົ່ວໄປ, ການຮັບຮູ້ກ່ຽວກັບຄວາມສອດຄ່ອງ/ຄວາມໂປ່ງໃສໂດຍລີງໄດ້ຮັບຜົນກະທົບຢ່າງຫຼວງຫຼາຍຈາກທັງເຄື່ອງໝາຍ (ຄວາມໂປ່ງໃສ, ຄວາມສອດຄ່ອງ) ແລະຄວາມເຂັ້ມແຂງ (ຄວາມຄົມຊັດ) ຂອງຄຸນລັກສະນະໂຄງສ້າງ (ANOVA; ລີງ N: ທິດທາງ - F = 0.58, p = 0.45, ເຄື່ອງໝາຍ - F = 1248, p < 10−10, ຄວາມຄົມຊັດ - F = 22.63, p < 10; -10 ລີງ S: ທິດທາງ - F = 0.41, p = 0.52, ເຄື່ອງໝາຍ - F = 2876.7, p < 10−10, ຄວາມຄົມຊັດ - F = 36.5, p < 10-10).总体而言，猴子对连贯性/透明度的感知受到纹理提示（ANOVA）的符号（透明、连贯）和强度（对比度）的可靠影响；猴子N：方向- F = 0.58，p = 0.45，符号- F = 1248, p < 10−10, 对比度– F = 22.63, p < 10;−10 猴子S: 方向– F = 0.45, p = 0. 符号– F = 2876.7, p < 10−10, 对比度– F = 36.5，p < 10–10).总体而言，猴子对连贯性/透明度的感知受到纹理提示（ANOVA）的符号（透明、连贯）和强度（对比度）的可靠影响；猴子N：方向- F = 0.58，p = 0.45，符号- F = 1248, p < 10−10, 对比度– F = 22.63, p < 10;−10 36.5，p < 10–10).ໂດຍທົ່ວໄປ, ການຮັບຮູ້ກ່ຽວກັບຄວາມສອດຄ່ອງ/ຄວາມໂປ່ງໃສຂອງລີງໄດ້ຮັບຜົນກະທົບຢ່າງຫຼວງຫຼາຍຈາກເຄື່ອງໝາຍ (ຄວາມໂປ່ງໃສ, ຄວາມສອດຄ່ອງ) ແລະ ຄວາມເຂັ້ມ (ຄວາມຄົມຊັດ) ຂອງສັນຍານໂຄງສ້າງ (ANOVA);обезьяна N: ориентация – F = 0,58, p = 0,45, знак – F = 1248, p < 10−10, Контрастность — F = 22,63, p < 10; ລີງ N: ທິດທາງ – F = 0.58, p = 0.45, ເຄື່ອງໝາຍ – F = 1248, p < 10−10, ຄວາມຄົມຊັດ – F = 22.63, p < 10; −10 Обезьяна S: Ориентация — F = 0,41, p = 0,52, Знак — F = 2876,7, p < 10−10, Контрастность — F = 36,5, p < 10-10). −10 ລີງ S: ການວາງທິດທາງ – F = 0.41, p = 0.52, ເຄື່ອງໝາຍ – F = 2876.7, p < 10-10, ຄວາມຄົມຊັດ – F = 36.5, p < 10-10).ຟັງຊັນສະສົມ Gaussian ໄດ້ຖືກປັບໃຫ້ເໝາະສົມກັບຂໍ້ມູນຈາກແຕ່ລະກອງປະຊຸມເພື່ອອະທິບາຍລັກສະນະທາງຈິດວິທະຍາຂອງລີງ. ໃນຮູບທີ 2b ສະແດງໃຫ້ເຫັນການແຈກຢາຍຂອງຂໍ້ຕົກລົງສຳລັບຮູບແບບເຫຼົ່ານີ້ໃນທຸກກອງປະຊຸມສຳລັບລີງທັງສອງໂຕ. ໂດຍລວມແລ້ວ, ລີງໄດ້ເຮັດສຳເລັດໜ້າວຽກຢ່າງຖືກຕ້ອງ ແລະ ສະໝໍ່າສະເໝີ, ແລະ ພວກເຮົາໄດ້ປະຕິເສດໜ້ອຍກວ່າ 13% ຂອງກອງປະຊຸມສອງໂຕຍ້ອນຄວາມເໝາະສົມທີ່ບໍ່ດີກັບຮູບແບບສະສົມ Gaussian.
ກ. ຕົວຢ່າງພຶດຕິກຳຂອງລີງໃນຊ່ວງຕົວແທນ (n ​​≥ 20 ການທົດລອງຕໍ່ເງື່ອນໄຂການກະຕຸ້ນ). ໃນແຜງດ້ານຊ້າຍ (ຂວາ), ຂໍ້ມູນຈາກຊ່ວງລີງ N(S) ໜຶ່ງຄັ້ງຖືກວາງແຜນເປັນຄະແນນການຄັດເລືອກທີ່ສອດຄ່ອງກັນ (ordinate) ທຽບກັບຄວາມຄົມຊັດຂອງສັນຍານໂຄງສ້າງ (abscissa). ໃນທີ່ນີ້ສົມມຸດວ່າໂຄງສ້າງໂປ່ງໃສ (ສອດຄ່ອງກັນ) ມີຄ່າລົບ (ບວກ). ການຕອບສະໜອງໄດ້ຖືກສ້າງຂຶ້ນແຍກຕ່າງຫາກຕາມທິດທາງການເຄື່ອນໄຫວຂອງຮູບແບບ (ຂຶ້ນ (90°) ຫຼືລົງ (270°)) ໃນການທົດສອບ. ສຳລັບສັດທັງສອງ, ປະສິດທິພາບ, ບໍ່ວ່າການຕອບສະໜອງຈະຖືກຫານດ້ວຍຄວາມຄົມຊັດ 50/50 (PSE - ລູກສອນແຂງ) ຫຼືປະລິມານຄວາມຄົມຊັດຂອງໂຄງສ້າງທີ່ຕ້ອງການເພື່ອສະໜັບສະໜູນລະດັບການປະຕິບັດທີ່ແນ່ນອນ (treshold - ລູກສອນເປີດ), ແມ່ນຢູ່ໃນທິດທາງການລອຍເຫຼົ່ານີ້. ຂ. ຮິສໂຕແກຣມທີ່ເໝາະສົມຂອງຄ່າ R2 ຂອງຟັງຊັນສະສົມ Gaussian. ຂໍ້ມູນລີງ S(N) ແມ່ນສະແດງຢູ່ເບື້ອງຊ້າຍ (ຂວາ). c (ເທິງ) PSE ທີ່ວັດແທກໄດ້ສຳລັບຕາຂ່າຍທີ່ຍ້າຍລົງ (ordinate) ເມື່ອທຽບກັບ PSE ທີ່ຍ້າຍຂຶ້ນຕາຂ່າຍ (abscissa), ໂດຍມີຂອບທີ່ສະແດງເຖິງການແຈກຢາຍ PSE ສຳລັບແຕ່ລະເງື່ອນໄຂ ແລະລູກສອນຊີ້ບອກຄ່າສະເລ່ຍສຳລັບທຸກໆເງື່ອນໄຂ. ຂໍ້ມູນສຳລັບຊ່ວງ monkey N(S) ທັງໝົດແມ່ນໃຫ້ຢູ່ໃນຖັນຊ້າຍ (ຂວາ). (ລຸ່ມ) ສົນທິສັນຍາດຽວກັນກັບຂໍ້ມູນ PSE, ແຕ່ສຳລັບຂອບເຂດຄຸນສົມບັດທີ່ພໍດີ. ບໍ່ມີຄວາມແຕກຕ່າງທີ່ສຳຄັນໃນຂອບເຂດ PSE ຫຼືແນວໂນ້ມແຟຊັ່ນ (ເບິ່ງຂໍ້ຄວາມ). d PSE ແລະຄວາມຊັນ (ordinate) ຖືກວາງແຜນໂດຍຂຶ້ນກັບທິດທາງ raster ທີ່ເປັນປົກກະຕິຂອງອົງປະກອບການແຍກມຸມ (“ມຸມຕາຂ່າຍລວມ” - abscissa). ວົງມົນເປີດແມ່ນຄ່າສະເລ່ຍ, ເສັ້ນທຶບແມ່ນຮູບແບບການຖົດຖອຍທີ່ເໝາະສົມທີ່ສຸດ, ແລະເສັ້ນປະແມ່ນຊ່ວງຄວາມເຊື່ອໝັ້ນ 95% ສຳລັບຮູບແບບການຖົດຖອຍ. ມີສະຫະສຳພັນທີ່ສຳຄັນລະຫວ່າງ PSE ແລະມຸມປະສົມປະສານທີ່ເປັນປົກກະຕິ, ແຕ່ບໍ່ແມ່ນຄວາມຊັນ ແລະມຸມປະສົມປະສານທີ່ເປັນປົກກະຕິ, ຊີ້ໃຫ້ເຫັນວ່າຟັງຊັນ psychometric ປ່ຽນໄປເມື່ອມຸມແຍກ lattices ຂອງອົງປະກອບ, ແຕ່ບໍ່ແມ່ນການເຮັດໃຫ້ຄົມ ຫຼື ເຮັດໃຫ້ແປ. (ລີງ N, n = 32 ຊ່ວງເວລາ; ລີງ S, n = 43 ຊ່ວງເວລາ). ໃນທຸກໆແຜງ, ແຖບຄວາມຜິດພາດສະແດງເຖິງຄວາມຜິດພາດມາດຕະຖານຂອງຄ່າສະເລ່ຍ. ຮາຮາ. ຄວາມສອດຄ່ອງ, ຄະແນນຄວາມສະເໝີພາບທາງອັດຕະວິໄນຂອງ PSE, ມາດຕະຖານ. ມາດຕະຖານ.
ດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງ, ທັງຄວາມແຕກຕ່າງຂອງຕົວຊີ້ບອກໂຄງສ້າງ ແລະ ທິດທາງການເຄື່ອນໄຫວຂອງຮູບແບບແຕກຕ່າງກັນໄປໃນທົ່ວການທົດລອງ, ໂດຍມີຕົວກະຕຸ້ນລອຍຂຶ້ນ ຫຼື ລົງໃນການທົດລອງທີ່ກຳນົດໃຫ້. ນີ້ແມ່ນເຮັດເພື່ອຫຼຸດຜ່ອນຜົນກະທົບທາງດ້ານຈິດໃຈ ແລະ ຮ່າງກາຍ11 ແລະ ເສັ້ນປະສາດ28 ໃນການປັບຕົວ. ທິດທາງຮູບແບບທຽບກັບອະຄະຕິ (ຈຸດຄວາມສະເໝີພາບທາງອັດຕະວິໄນ ຫຼື PSE) (ການທົດສອບຜົນລວມອັນດັບ Wilcoxon; ລີງ N: z = 0.25, p = 0.8; ລີງ S: z = 0.86, p = 0.39) ຫຼື ຂອບເຂດໜ້າທີ່ທີ່ເໝາະສົມ (ຜົນລວມຂອງອັນດັບ Wilcoxon; ລີງ N: z = 0.14, p = 0.89, ລີງ S: z = 0.49, p = 0.62) (ຮູບທີ 2c). ນອກຈາກນັ້ນ, ຍັງບໍ່ມີຄວາມແຕກຕ່າງທີ່ສຳຄັນລະຫວ່າງລີງໃນລະດັບຄວາມຄົມຊັດຂອງໂຄງສ້າງທີ່ຕ້ອງການເພື່ອຮັກສາລະດັບຂອບເຂດການປະຕິບັດ (ລີງ N = 24.5% ± 3.9%, ລີງ S = 18.9% ± 1.9%; ຜົນລວມອັນດັບ Wilcoxon, z = 1.01, p = 0.31).
ໃນແຕ່ລະພາກ, ພວກເຮົາໄດ້ປ່ຽນມຸມລະຫວ່າງໂຄງສ້າງທີ່ແຍກທິດທາງຂອງໂຄງສ້າງອົງປະກອບ. ການສຶກສາທາງດ້ານຈິດຕະວິທະຍາໄດ້ສະແດງໃຫ້ເຫັນວ່າຄົນເຮົາມີແນວໂນ້ມທີ່ຈະຮັບຮູ້ວ່າເຊວ 10 ເຊື່ອມຕໍ່ກັນເມື່ອມຸມນີ້ນ້ອຍກວ່າ. ຖ້າລີງລາຍງານການຮັບຮູ້ຂອງພວກມັນກ່ຽວກັບຄວາມສອດຄ່ອງ/ຄວາມໂປ່ງໃສຢ່າງໜ້າເຊື່ອຖື, ຫຼັງຈາກນັ້ນໂດຍອີງໃສ່ການຄົ້ນພົບເຫຼົ່ານີ້, ຄົນເຮົາຄາດວ່າ PSE, ຄວາມຄົມຊັດຂອງໂຄງສ້າງທີ່ສອດຄ້ອງກັບການແບ່ງປັນທີ່ເປັນເອກະພາບລະຫວ່າງການເລືອກຄວາມສອດຄ່ອງ ແລະ ຄວາມໂປ່ງໃສ, ຈະເພີ່ມຂຶ້ນເມື່ອມີປະຕິກິລິຍາ. ນີ້ແມ່ນກໍລະນີແທ້ໆ (ຮູບທີ 2d; ການຍຸບຕົວຂ້າມທິດທາງຂອງຮູບແບບ, Kruskal–Wallis; ລີງ N: χ2 = 23.06, p < 10−3; ລີງ S: χ2 = 22.22, p < 10−3; ສຳພັນລະຫວ່າງມຸມ inter-grating ປົກກະຕິ ແລະ PSE – ລີງ N: r = 0.67, p < 10−9; ລີງ S: r = 0.76, p < 10−13). ນີ້ແມ່ນກໍລະນີແທ້ໆ (ຮູບທີ 2d; ການຍຸບຕົວຂ້າມທິດທາງຂອງຮູບແບບ, Kruskal–Wallis; ລີງ N: χ2 = 23.06, p < 10−3; ລີງ S: χ2 = 22.22, p < 10−3; ສຳພັນລະຫວ່າງມຸມປະສົມປະສານປົກກະຕິ ແລະ PSE – ລີງ N: r = 0.67, p < 10−9; ລີງ S: r = 0.76, p < 10−13). Это действительно имело место (рис. 2d; коллапс поперек направления паттерна, Крускал-Уоллис; обе , 20 p. 10–3 ; обезьяна S: r = 0,76, p < 10-13). ສິ່ງນີ້ເກີດຂຶ້ນແທ້ (ຮູບທີ 2d; ການຍຸບຕົວຂ້າມທິດທາງຂອງຮູບແບບ, Kruskal-Wallis; ລີງ N: χ2 = 23.06, p < 10–3; ລີງ S: χ2 = 22.22, p < 10–3; ສຳພັນລະຫວ່າງມຸມຕາໜ່າງປົກກະຕິ ແລະ PSE – ລີງ N: r = 0.67, p < 10-9, ລີງ S: r = 0.76, p < 10-13).情况确实如此（图2d；跨模式方向折叠，Kruskal-Wallis；猴子N：χ2 = 23.06，p < 10-3；猴子2 ， p 2 ：S. 10-3；标准化间光栅角和PSE – 猴子N：r = 0.67，p <10-9；猴子S：r = 0.76，p <10-13).情况确实如此（图图 2D；方向折叠，kruskal-wallis； n：：2 = 23.06，p <10-3； 猴.20:3； 猴.2:3. ；间光栅角和 pse-猴子猴子猴子猴子 猴子猴子N：r = 0.67，p < 10-9；猴 p< 10-9； 子 7 ； 猴子10-13). Это действительно имело место (рис. 2d; кратность по оси моды, Крускал-Уоллис; обезьяна N: χ62, pяз; 100. S: χ2 = 22,22, p < 10-3 нормализованный межрешеточный угол). ນີ້ແມ່ນກໍລະນີແທ້ໆ (ຮູບທີ 2d; ພັບຕາມແກນໂໝດ, Kruskal-Wallis; ລີງ N: χ2 = 23.06, p < 10-3; ລີງ S: χ2 = 22.22, p < 10-3; ມຸມ interlattice ປົກກະຕິ). PSE-обезьяна N: r = 0,67, p < 10–9, обезьяна S: r = 0,76, p < 10–13). ລີງ PSE N: r = 0.67, p < 10–9, ລີງ S: r = 0.76, p < 10–13).ໃນທາງກົງກັນຂ້າມ, ການປ່ຽນແປງມຸມລະຫວ່າງໂຄງສ້າງບໍ່ມີຜົນກະທົບທີ່ສຳຄັນຕໍ່ຄວາມຊັນຂອງຟັງຊັນທາງຈິດຕະວິທະຍາ (ຮູບທີ 2d; ການພັບທິດທາງຂ້າມໂມດ, Kruskal-Wallis; ລີງ N: χ2 = 8.09, p = 0.23; ລີງ S χ2 = 3.18, p = 0.67, ສຳພັນລະຫວ່າງມຸມລະຫວ່າງໂຄງສ້າງປົກກະຕິ ແລະ ຄວາມຊັນ - ລີງ N: r = -0.4, p = 0.2, ລີງ S: r = 0.03, p = 0.76). ດັ່ງນັ້ນ, ສອດຄ່ອງກັບຂໍ້ມູນທາງຈິດຕະວິທະຍາຂອງບຸກຄົນ, ຜົນກະທົບສະເລ່ຍຂອງການປ່ຽນແປງມຸມລະຫວ່າງຕາຂ່າຍໄຟຟ້າແມ່ນການປ່ຽນແປງຈຸດຍ້າຍ, ແລະບໍ່ແມ່ນການເພີ່ມຂຶ້ນຂອງຫຼືຫຼຸດລົງໃນຄວາມອ່ອນໄຫວຕໍ່ສັນຍານການແບ່ງສ່ວນ.
ສຸດທ້າຍ, ລາງວັນຈະຖືກມອບໝາຍແບບສຸ່ມດ້ວຍຄວາມເປັນໄປໄດ້ 0.5 ໃນການທົດລອງທີ່ບໍ່ມີຄວາມແຕກຕ່າງຂອງໂຄງສ້າງ. ຖ້າລີງທັງໝົດຮູ້ເຖິງຄວາມສຸ່ມທີ່ເປັນເອກະລັກນີ້ ແລະ ສາມາດແຍກແຍະລະຫວ່າງຄວາມແຕກຕ່າງຂອງໂຄງສ້າງທີ່ບໍ່ມີຄວາມແຕກຕ່າງ ແລະ ການກະຕຸ້ນຂອງຕົວຊີ້ບອກ, ພວກມັນສາມາດພັດທະນາຍຸດທະສາດທີ່ແຕກຕ່າງກັນສຳລັບການທົດລອງສອງປະເພດ. ການສັງເກດສອງຢ່າງຊີ້ໃຫ້ເຫັນຢ່າງແຂງແຮງວ່ານີ້ບໍ່ແມ່ນກໍລະນີ. ທຳອິດ, ການປ່ຽນແປງມຸມຕາຂ່າຍມີຜົນກະທົບທີ່ຄ້າຍຄືກັນທາງດ້ານຄຸນນະພາບຕໍ່ຄະແນນຄວາມແຕກຕ່າງຂອງຕົວຊີ້ບອກ ແລະ ໂຄງສ້າງທີ່ບໍ່ມີຄວາມແຕກຕ່າງ (ຮູບທີ 2d ແລະ ຮູບທີ 1 ເພີ່ມເຕີມ). ອັນທີສອງ, ສຳລັບລີງທັງສອງໂຕ, ການເລືອກການທົດລອງແບບ bistable ບໍ່น่าຈະເປັນການເຮັດຊ້ຳຂອງການເລືອກລາງວັນລ່າສຸດ (ກ່ອນໜ້ານີ້) (ການທົດສອບ binomial, ລີງ N ໂຕ: 0.52, z = 0.74, p = 0.22; ລີງ S ໂຕ: 0.51, r = 0.9, p = 0.18).
ສະຫຼຸບແລ້ວ, ພຶດຕິກຳຂອງລີງໃນວຽກງານການແບ່ງສ່ວນຂອງພວກເຮົາແມ່ນຢູ່ພາຍໃຕ້ການຄວບຄຸມການກະຕຸ້ນທີ່ດີ. ການເພິ່ງພາອາໄສຂອງການຕັດສິນການຮັບຮູ້ກ່ຽວກັບເຄື່ອງໝາຍ ແລະ ຂະໜາດຂອງຕົວຊີ້ບອກໂຄງສ້າງ, ເຊັ່ນດຽວກັນກັບການປ່ຽນແປງໃນ PSE ກັບມຸມຕາຂ່າຍ, ຊີ້ໃຫ້ເຫັນວ່າລີງລາຍງານການຮັບຮູ້ທາງອັດຕະວິໄນຂອງພວກມັນກ່ຽວກັບຄວາມສອດຄ່ອງ/ຄວາມໂປ່ງໃສຂອງມໍເຕີ. ສຸດທ້າຍ, ການຕອບສະໜອງຂອງລີງໃນການທົດລອງຄວາມຄົມຊັດຂອງໂຄງສ້າງສູນບໍ່ໄດ້ຮັບຜົນກະທົບຈາກປະຫວັດລາງວັນຂອງການທົດລອງກ່ອນໜ້ານີ້ ແລະ ໄດ້ຮັບຜົນກະທົບຢ່າງຫຼວງຫຼາຍຈາກການປ່ຽນແປງມຸມລະຫວ່າງຣາສເຕີ. ນີ້ຊີ້ໃຫ້ເຫັນວ່າລີງສືບຕໍ່ລາຍງານການຮັບຮູ້ທາງອັດຕະວິໄນຂອງພວກມັນກ່ຽວກັບການຕັ້ງຄ່າໜ້າດິນຂອງຕາຂ່າຍພາຍໃຕ້ເງື່ອນໄຂທີ່ສຳຄັນນີ້.
ດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງ, ການປ່ຽນແປງຂອງຄວາມແຕກຕ່າງຂອງໂຄງສ້າງຈາກລົບໄປຫາບວກແມ່ນເທົ່າກັບການປ່ຽນແປງການຮັບຮູ້ຂອງສິ່ງກະຕຸ້ນຈາກໂປ່ງໃສໄປຫາສອດຄ່ອງກັນ. ໂດຍທົ່ວໄປ, ສຳລັບຈຸລັງທີ່ກຳນົດໃຫ້, ການຕອບສະໜອງ MT ມັກຈະເພີ່ມຂຶ້ນ ຫຼື ຫຼຸດລົງຍ້ອນວ່າຄວາມແຕກຕ່າງຂອງໂຄງສ້າງປ່ຽນຈາກລົບໄປຫາບວກ, ແລະທິດທາງຂອງຜົນກະທົບນີ້ມັກຈະຂຶ້ນກັບທິດທາງການເຄື່ອນໄຫວຂອງຮູບແບບ/ອົງປະກອບ. ຕົວຢ່າງ, ເສັ້ນໂຄ້ງການປັບທິດທາງຂອງສອງຈຸລັງ MT ຕົວແທນແມ່ນສະແດງຢູ່ໃນຮູບທີ 3 ພ້ອມກັບການຕອບສະໜອງຂອງຈຸລັງເຫຼົ່ານີ້ຕໍ່ກັບຕາຂ່າຍໄຟຟ້າທີ່ມີສັນຍານໂຄງສ້າງທີ່ສອດຄ່ອງກັນ ຫຼື ໂປ່ງໃສທີ່ມີຄວາມຄົມຊັດຕ່ຳ ຫຼື ສູງ. ພວກເຮົາໄດ້ພະຍາຍາມໃນບາງທາງເພື່ອວັດແທກການຕອບສະໜອງຕາຂ່າຍໄຟຟ້າເຫຼົ່ານີ້ໃຫ້ດີຂຶ້ນ, ເຊິ່ງອາດຈະກ່ຽວຂ້ອງກັບປະສິດທິພາບທາງຈິດຕະວິທະຍາຂອງລີງຂອງພວກເຮົາ.
ແຜນຜັງຂົ້ວຂອງເສັ້ນໂຄ້ງການປັບທິດທາງຂອງເຊວ MT ລີງຕົວແທນ S ໃນການຕອບສະໜອງຕໍ່ອາເຣ sinusoidal ດຽວ. ມຸມຊີ້ບອກທິດທາງການເຄື່ອນທີ່ຂອງຕາຂ່າຍໄຟຟ້າ, ຂະໜາດຊີ້ບອກເຖິງການປ່ອຍອາຍພິດ, ແລະທິດທາງເຊວທີ່ຕ້ອງການຊ້ອນກັນປະມານ 90° (ຂຶ້ນ) ກັບທິດທາງຂອງອົງປະກອບໜຶ່ງໃນທິດທາງຂອງຮູບແບບຕາຂ່າຍໄຟຟ້າ. b ຮິສໂຕແກຣມເວລາກະຕຸ້ນປະຈຳອາທິດ (PSTH) ຂອງຕາຂ່າຍໄຟຟ້າຕອບສະໜອງ, ປ່ຽນໄປໃນທິດທາງແມ່ແບບ 90° (ສະແດງເປັນແຜນວາດຢູ່ເບື້ອງຊ້າຍ) ສຳລັບເຊວທີ່ສະແດງຢູ່ໃນ a. ການຕອບສະໜອງຖືກຈັດຮຽງຕາມປະເພດຄຳແນະນຳໂຄງສ້າງ (ຕິດກັນ/ໂປ່ງໃສ - ແຜງກາງ/ຂວາຕາມລຳດັບ) ແລະ ຄວາມຄົມຊັດຂອງ Michelson (ຄຳແນະນຳສີ PSTH). ມີພຽງຄວາມພະຍາຍາມທີ່ຖືກຕ້ອງເທົ່ານັ້ນທີ່ສະແດງສຳລັບສັນຍານໂຄງສ້າງທີ່ມີຄວາມຄົມຊັດຕ່ຳ ແລະ ຄວາມຄົມຊັດສູງແຕ່ລະປະເພດ. ເຊວຕອບສະໜອງໄດ້ດີກວ່າຕໍ່ຮູບແບບຕາຂ່າຍໄຟຟ້າທີ່ລອຍຂຶ້ນເທິງດ້ວຍຕົວຊີ້ບອກໂຄງສ້າງທີ່ໂປ່ງໃສ, ແລະການຕອບສະໜອງຕໍ່ຮູບແບບເຫຼົ່ານີ້ເພີ່ມຂຶ້ນດ້ວຍຄວາມຄົມຊັດຂອງໂຄງສ້າງທີ່ເພີ່ມຂຶ້ນ. c, d ແມ່ນສົນທິສັນຍາດຽວກັນກັບໃນ a ແລະ b, ແຕ່ສຳລັບເຊວ MT ນອກເໜືອຈາກລີງ S, ທິດທາງທີ່ຕ້ອງການຂອງພວກມັນເກືອບຊ້ອນກັນກັບຕາຂ່າຍໄຟຟ້າທີ່ລອຍລົງ. ໜ່ວຍມັກຕາຂ່າຍໄຟຟ້າທີ່ລອຍລົງມາດ້ວຍຕົວຊີ້ບອກໂຄງສ້າງທີ່ສອດຄ່ອງກັນ, ແລະການຕອບສະໜອງຕໍ່ຮູບແບບເຫຼົ່ານີ້ເພີ່ມຂຶ້ນຕາມຄວາມຄົມຊັດຂອງໂຄງສ້າງທີ່ເພີ່ມຂຶ້ນ. ໃນທຸກໆແຜງ, ພື້ນທີ່ທີ່ມີຮົ່ມສະແດງເຖິງຄວາມຜິດພາດມາດຕະຖານຂອງຄ່າສະເລ່ຍ. ກ້ານ. ໜາມ, ວິນາທີ. ວິນາທີ.
ເພື່ອຄົ້ນຫາຄວາມສຳພັນລະຫວ່າງການຕັ້ງຄ່າໜ້າດິນຂອງຕາຂ່າຍ (ສອດຄ່ອງກັນ ຫຼື ໂປ່ງໃສ) ຕາມທີ່ຊີ້ບອກໂດຍສັນຍານໂຄງສ້າງຂອງພວກເຮົາ ແລະ ກິດຈະກຳ MT, ກ່ອນອື່ນໝົດພວກເຮົາໄດ້ຖົດຖອຍຄວາມສຳພັນລະຫວ່າງຈຸລັງສຳລັບການເຄື່ອນໄຫວທີ່ສອດຄ່ອງກັນ (ຄວາມຊັນບວກ) ຫຼື ການເຄື່ອນໄຫວທີ່ໂປ່ງໃສ (ຄວາມຊັນລົບ) ໂດຍການຖົດຖອຍ. ທີ່ຖືກກຳນົດໃຫ້ເພື່ອຈັດປະເພດຈຸລັງຕາມອັດຕາການຕອບສະໜອງຂອງເຄື່ອງໝາຍທຽບກັບຄວາມຄົມຊັດ (ແຍກຕ່າງຫາກສຳລັບແຕ່ລະທິດທາງຂອງຮູບແບບ). ຕົວຢ່າງຂອງເສັ້ນໂຄ້ງການປັບແຕ່ງຕາຂ່າຍເຫຼົ່ານີ້ຈາກຕົວຢ່າງຈຸລັງດຽວກັນໃນຮູບທີ 3 ແມ່ນສະແດງຢູ່ໃນຮູບທີ 4a. ຫຼັງຈາກການຈັດປະເພດ, ພວກເຮົາໄດ້ໃຊ້ການວິເຄາະປະສິດທິພາບຂອງຕົວຮັບ (ROC) ເພື່ອວັດແທກຄວາມອ່ອນໄຫວຂອງແຕ່ລະຈຸລັງຕໍ່ກັບການປັບປ່ຽນສັນຍານໂຄງສ້າງ (ເບິ່ງວິທີການ). ໜ້າທີ່ neurometric ທີ່ໄດ້ຮັບໃນວິທີນີ້ສາມາດປຽບທຽບໂດຍກົງກັບລັກສະນະທາງຈິດວິທະຍາຂອງລີງໃນຊ່ວງດຽວກັນເພື່ອປຽບທຽບຄວາມອ່ອນໄຫວທາງຈິດວິທະຍາຂອງເຊວປະສາດກັບໂຄງສ້າງຕາຂ່າຍໂດຍກົງ. ພວກເຮົາໄດ້ດຳເນີນການວິເຄາະການກວດຈັບສັນຍານສອງຄັ້ງສຳລັບທຸກໜ່ວຍໃນຕົວຢ່າງ, ໂດຍການຄິດໄລ່ຄຸນສົມບັດ neurometric ແຍກຕ່າງຫາກສຳລັບແຕ່ລະທິດທາງຂອງຮູບແບບ (ອີກເທື່ອໜຶ່ງ, ຂຶ້ນ ຫຼື ລົງ). ມັນເປັນສິ່ງສຳຄັນທີ່ຄວນສັງເກດວ່າ, ສຳລັບການວິເຄາະນີ້, ພວກເຮົາພຽງແຕ່ລວມເອົາການທົດລອງທີ່ (i) ສິ່ງກະຕຸ້ນມີຕົວຊີ້ບອກໂຄງສ້າງ ແລະ (ii) ລີງຕອບສະໜອງຕາມຕົວຊີ້ບອກນັ້ນ (ເຊັ່ນ, ການທົດລອງ "ຖືກຕ້ອງ").
ອັດຕາການເກີດໄຟໄດ້ຖືກວາງແຜນທຽບກັບຄວາມຄົມຊັດຂອງເຄື່ອງໝາຍໂຄງສ້າງ, ຕາມລຳດັບ, ສຳລັບຕາຂ່າຍໄຟຟ້າທີ່ປ່ຽນໄປທາງເທິງ (ຊ້າຍ) ຫຼືລົງ (ຂວາ), ເສັ້ນທຶບສະແດງເຖິງການຖົດຖອຍເສັ້ນຊື່ທີ່ເໝາະສົມທີ່ສຸດ, ແລະຂໍ້ມູນໃນແຖວເທິງ (ລຸ່ມ) ແມ່ນນຳມາຈາກຂໍ້ມູນໃນຮູບທີ 3a ເຊວ, b (ຮູບທີ 3c, d). ຄຸນສົມບັດຄວາມຊັນຂອງການຖົດຖອຍໄດ້ຖືກນຳໃຊ້ເພື່ອກຳນົດຕົວຊີ້ບອກໂຄງສ້າງທີ່ຕ້ອງການ (ສອດຄ່ອງ/ໂປ່ງໃສ) ໃຫ້ກັບແຕ່ລະການປະສົມປະສານການວາງທິດທາງຂອງເຊວ/ໂຄງຮ່າງ (n ≥ 20 ການທົດລອງຕໍ່ເງື່ອນໄຂການກະຕຸ້ນ). ແຖບຄວາມຜິດພາດສະແດງເຖິງຄ່າຜັນປ່ຽນມາດຕະຖານຂອງຄ່າສະເລ່ຍ. ຟັງຊັນ neurometric ຂອງຫົວໜ່ວຍທີ່ສະແດງຢູ່ໃນ ba ໄດ້ຖືກອະທິບາຍຮ່ວມກັບຟັງຊັນ psychometric ທີ່ເກັບກຳໃນລະຫວ່າງກອງປະຊຸມດຽວກັນ. ຕອນນີ້, ສຳລັບແຕ່ລະຄຸນສົມບັດ, ພວກເຮົາວາງແຜນຕົວເລືອກຄຳແນະນຳທີ່ຕ້ອງການ (ordinate) (ເບິ່ງຂໍ້ຄວາມ) ເປັນເປີເຊັນຂອງຄວາມຄົມຊັດຂອງເຄື່ອງໝາຍໂຄງສ້າງ (abscissa). ຄວາມຄົມຊັດຂອງໂຄງສ້າງໄດ້ຖືກປ່ຽນແປງເພື່ອໃຫ້ຄຳແນະນຳທີ່ຕ້ອງການເປັນບວກ ແລະ ຄຳແນະນຳທີ່ຫວ່າງເປົ່າເປັນລົບ. ຂໍ້ມູນຈາກຕາຂ່າຍທີ່ລອຍຂຶ້ນ (ລົງ) ແມ່ນສະແດງຢູ່ໃນແຜງຊ້າຍ (ຂວາ), ໃນແຖວເທິງ (ລຸ່ມ) - ຂໍ້ມູນຈາກຈຸລັງທີ່ສະແດງຢູ່ໃນຮູບທີ 3a,b (ຮູບທີ 3c, d). ອັດຕາສ່ວນຂອງຂອບເຂດ neurometric ແລະ psychometric (N/P) ແມ່ນສະແດງຢູ່ໃນແຕ່ລະແຜງ. Spokes. Spikes, ວິນາທີ. ວິນາທີ, directory. ທິດທາງ, ແຂວງທີ່ຕ້ອງການ, psi. Psychometry, Neurology.
ເສັ້ນໂຄ້ງການປັບແຕ່ງໂຄງສ້າງ ແລະ ໜ້າທີ່ທາງດ້ານ neurometric ຂອງສອງຈຸລັງ MT ທີ່ເປັນຕົວແທນ ແລະ ໜ້າທີ່ທາງດ້ານ psychometric ທີ່ກ່ຽວຂ້ອງ, ລວມເຂົ້າກັນກັບການຕອບສະໜອງເຫຼົ່ານີ້, ແມ່ນສະແດງຢູ່ໃນແຜງດ້ານເທິງ ແລະ ດ້ານລຸ່ມຂອງຮູບທີ 4a,b, ຕາມລຳດັບ. ຈຸລັງເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນການເພີ່ມຂຶ້ນ ຫຼື ຫຼຸດລົງທີ່ໜ້າເບື່ອໜ່າຍ ເມື່ອຮ່ອງຮອຍຂອງໂຄງສ້າງປ່ຽນຈາກໂປ່ງໃສໄປສູ່ຄວາມສອດຄ່ອງ. ນອກຈາກນັ້ນ, ທິດທາງ ແລະ ຄວາມເຂັ້ມແຂງຂອງພັນທະບັດນີ້ແມ່ນຂຶ້ນກັບທິດທາງຂອງການເຄື່ອນທີ່ຂອງໂຄງສ້າງ. ສຸດທ້າຍ, ໜ້າທີ່ທາງດ້ານ neurometric ທີ່ຄິດໄລ່ຈາກການຕອບສະໜອງຂອງຈຸລັງເຫຼົ່ານີ້ພຽງແຕ່ເຂົ້າໃກ້ (ແຕ່ຍັງບໍ່ສອດຄ່ອງກັບ) ຄຸນສົມບັດທາງດ້ານຈິດຕະວິທະຍາຂອງການເຄື່ອນໄຫວຂອງຕາຂ່າຍໄຟຟ້າທິດທາງດຽວ. ທັງໜ້າທີ່ທາງດ້ານ neurometric ແລະ psychometric ໄດ້ຖືກສະຫຼຸບດ້ວຍຂອບເຂດ, ເຊັ່ນວ່າ ສອດຄ່ອງກັບປະມານ 84% ຂອງຄວາມຄົມຊັດທີ່ເລືອກຢ່າງຖືກຕ້ອງ (ສອດຄ່ອງກັບຄ່າສະເລ່ຍ + 1 sd ຂອງໜ້າທີ່ Gaussian ສະສົມທີ່ພໍດີ). ໃນທົ່ວຕົວຢ່າງທັງໝົດ, ອັດຕາສ່ວນ N/P, ອັດຕາສ່ວນຂອງຂອບເຂດ neurometric ຕໍ່ກັບ psychometric, ສະເລ່ຍ 12.4 ± 1.2 ໃນລີງ N ແລະ 15.9 ± 1.8 ໃນລີງ S, ແລະ ສຳລັບ lattice ທີ່ຈະເຄື່ອນຍ້າຍໄປໃນຢ່າງໜ້ອຍໜຶ່ງທິດທາງ, ພຽງແຕ່ຢູ່ທີ່ ~16% (18). %) ໜ່ວຍຈາກລີງ N (ລີງ S) (ຮູບທີ 5a). ຈາກຕົວຢ່າງເຊວທີ່ສະແດງຢູ່ໃນຮູບ. ດັ່ງທີ່ເຫັນໃນຮູບທີ 3 ແລະ 4, ຄວາມອ່ອນໄຫວຂອງ neurons ສາມາດໄດ້ຮັບຜົນກະທົບຈາກຄວາມສຳພັນລະຫວ່າງທິດທາງທີ່ຕ້ອງການຂອງເຊວ ແລະ ທິດທາງຂອງການເຄື່ອນໄຫວ lattice ທີ່ໃຊ້ໃນການທົດລອງ. ໂດຍສະເພາະ, ເສັ້ນໂຄ້ງການປັບທິດທາງໃນຮູບທີ 3a,c ສະແດງໃຫ້ເຫັນເຖິງຄວາມສຳພັນລະຫວ່າງການຕັ້ງຄ່າທິດທາງຂອງ neuron ຂອງ array sinusoidal ດຽວ ແລະ ຄວາມອ່ອນໄຫວຂອງມັນຕໍ່ກັບການເຄື່ອນໄຫວທີ່ໂປ່ງໃສ/ສອດຄ່ອງກັນໃນ array ທີ່ມີໂຄງສ້າງຂອງພວກເຮົາ. ນີ້ແມ່ນກໍລະນີຂອງລີງທັງສອງໂຕ (ANOVA; ທິດທາງທີ່ຕ້ອງການທຽບກັນຖືກຖິ້ມດ້ວຍຄວາມລະອຽດ 10°; ລີງ N: F = 2.12, p < 0.01; ລີງ S: F = 2.01, p < 0.01). ນີ້ແມ່ນກໍລະນີຂອງລີງທັງສອງໂຕ (ANOVA; ທິດທາງທີ່ຕ້ອງການທຽບກັນຖືກຖິ້ມດ້ວຍຄວາມລະອຽດ 10°; ລີງ N: F = 2.12, p < 0.01; ລີງ S: F = 2.01, p < 0.01). Это имело место для обеих обезьян (ANOVA; относительные предпочтительные направления объединены в групопочтельные направления объединены в групепем обезьяна N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01). ນີ້ແມ່ນກໍລະນີຂອງລີງທັງສອງໂຕ (ANOVA; ທິດທາງທີ່ມັກທີ່ກ່ຽວຂ້ອງຈັດກຸ່ມຢູ່ທີ່ຄວາມລະອຽດ 10°; ລີງ N: F=2.12, p<0.01; ລີງ S: F=2.01, p<0.01).两只猴子都是这种情况（方差分析；以10°分辨率合并的相对首选方向；猴合并的相对首选方向；猴子. 0.01；猴子S：F = 2.01，p < 0.01).两只猴子都是这种（方差分析以以 10°分辨率合并的相对方向； p. 2 相对方向； p. < 0.01 ； : f = 2.01 , p < 0.01 . . . . . . ) ) ) ) ) Это имело место для обеих обезьян (ANOVA; относительная предпочтительная ориентация объиединена при0 объидинена при0; обезьяна N: F = 2,12, p <0,01; обезьяна S: F = 2,01, p <0,01). ນີ້ແມ່ນກໍລະນີຂອງລີງທັງສອງໂຕ (ANOVA; ທິດທາງທີ່ມັກທຽບເທົ່າລວມກັນທີ່ຄວາມລະອຽດ 10°; ລີງ N: F=2.12, p<0.01; ລີງ S: F=2.01, p<0.01).ເນື່ອງຈາກລະດັບຄວາມປ່ຽນແປງທີ່ໃຫຍ່ຫຼວງໃນຄວາມອ່ອນໄຫວຂອງເຊວປະສາດ (ຮູບທີ 5a), ເພື່ອໃຫ້ເຫັນພາບການເພິ່ງພາອາໄສຂອງຄວາມອ່ອນໄຫວຂອງເຊວປະສາດຕໍ່ກັບທິດທາງທີ່ຕ້ອງການທີ່ກ່ຽວຂ້ອງ, ກ່ອນອື່ນໝົດພວກເຮົາໄດ້ປັບທິດທາງທີ່ຕ້ອງການຂອງແຕ່ລະເຊວໃຫ້ເປັນທິດທາງ "ດີທີ່ສຸດ" ສຳລັບການເຄື່ອນໄຫວຂອງຮູບແບບຕາຂ່າຍ (ເຊັ່ນ: ທິດທາງ). ໃນນັ້ນຕາຂ່າຍປະກອບເປັນມຸມທີ່ນ້ອຍທີ່ສຸດລະຫວ່າງທິດທາງຂອງເຊວທີ່ຕ້ອງການ ແລະ ທິດທາງຂອງຮູບແບບຕາຂ່າຍ). ພວກເຮົາພົບວ່າຂອບເຂດຈຳກັດທີ່ກ່ຽວຂ້ອງຂອງເຊວປະສາດ (ຂອບເຂດຈຳກັດສຳລັບທິດທາງຕາຂ່າຍ "ຮ້າຍແຮງທີ່ສຸດ"/ຂອບເຂດຈຳກັດສຳລັບທິດທາງຕາຂ່າຍ "ດີທີ່ສຸດ") ແຕກຕ່າງກັນໄປຕາມທິດທາງທີ່ຕ້ອງການທີ່ຖືກປັບໃຫ້ເປັນປົກກະຕິນີ້, ໂດຍມີຈຸດສູງສຸດໃນອັດຕາສ່ວນຂອບເຂດຈຳກັດນີ້ເກີດຂຶ້ນອ້ອມຮອບຮູບແບບ ຫຼື ທິດທາງຂອງອົງປະກອບ (ຮູບທີ 5b). )). ຜົນກະທົບນີ້ບໍ່ສາມາດອະທິບາຍໄດ້ໂດຍຄວາມລຳອຽງໃນການແຈກຢາຍທິດທາງທີ່ຕ້ອງການໃນຫົວໜ່ວຍໃນແຕ່ລະຕົວຢ່າງໄປສູ່ໜຶ່ງໃນຮູບແບບລາຍຕາກ ຫຼື ທິດທາງຂອງອົງປະກອບ (ຮູບທີ 5c; ການທົດສອບ Rayleigh; ລີງ N: z = 8.33, p < 10−3, ຄ່າສະເລ່ຍວົງມົນ = 190.13 ອົງສາ ± 9.83 ອົງສາ; ລີງ S: z = 0.79, p = 0.45) ແລະ ມີຄວາມສອດຄ່ອງກັນໃນທົ່ວມຸມລະຫວ່າງຕາຂ່າຍລາຍຕາກ (ຮູບເພີ່ມເຕີມທີ 2). ຜົນກະທົບນີ້ບໍ່ສາມາດອະທິບາຍໄດ້ໂດຍຄວາມລຳອຽງໃນການແຈກຢາຍທິດທາງທີ່ຕ້ອງການໃນຫົວໜ່ວຍໃນແຕ່ລະຕົວຢ່າງໄປສູ່ໜຶ່ງໃນຮູບແບບລາຍຕາກ ຫຼື ທິດທາງຂອງອົງປະກອບ (ຮູບທີ 5c; ການທົດສອບ Rayleigh; ລີງ N: z = 8.33, p < 10−3, ຄ່າສະເລ່ຍວົງມົນ = 190.13 ອົງສາ ± 9.83 ອົງສາ; ລີງ S: z = 0.79, p = 0.45) ແລະ ມີຄວາມສອດຄ່ອງກັນໃນທົ່ວມຸມລະຫວ່າງຕາຂ່າຍລາຍຕາກ (ຮູບເພີ່ມເຕີມທີ 2). Этот эффект нельзя было объяснить смещением распределения предпочтительных направлений в единицах в каж дой одного из клетчатых направлений или направлений компонентов (рис. 5в; критерий Рэлея; обезьяна N:z = 8,33,3). ຜົນກະທົບນີ້ບໍ່ສາມາດອະທິບາຍໄດ້ໂດຍການປ່ຽນແປງໃນການແຈກຢາຍທິດທາງທີ່ຕ້ອງການໃນຫົວໜ່ວຍໃນແຕ່ລະຕົວຢ່າງໄປສູ່ທິດທາງທີ່ມີຕາໜ່າງ ຫຼື ທິດທາງຂອງອົງປະກອບ (ຮູບທີ 5c; ການທົດສອບ Rayleigh; ລີງ N: z = 8.33, p < 10–3)., ຄ່າສະເລ່ຍວົງມົນ = 190.13 ອົງສາ ± 9.83 ອົງສາ; monkey S: z = 0.79, p = 0.45) ແລະ ແມ່ນຄືກັນສຳລັບທຸກມຸມຂອງຕາຂ່າຍໄຟຟ້າลาย (ຮູບເພີ່ມເຕີມ 2).这种效应不能通过每个样本中单元中的优选方向分布偏向格子图案或组件方向之一来解释（图5c；瑞利测试；猴子N：z = 8.33，p < 10-3，圆形平均值= 190.13度± 9.83度；猴子S：z = 0.79，p = 0.45)并且在格子间光栅角上是一致的（补充图2）.这种效应不能通过每样本中单元中优选方向分布偏向偏嶖幻来解释（图图图瑞利测试；猴子 n：z = 8.33，p<10-3，平均值平均值圆圆圆形圆形圆形圆形 圆形圆形圆形圆形z Этот эффект не может быть объяснен тем, что распределение предпочтительных ориентаций в клекатках в клекатках в клекатках либо в сторону структуры решетки, либо в сторону одной из ориентаций компонентов (рис. 5в; крону одной из ориентаций компонентов (рис. 5в; крья Рер; = 8,33, p < 10–3). ຜົນກະທົບນີ້ບໍ່ສາມາດອະທິບາຍໄດ້ໂດຍຄວາມຈິງທີ່ວ່າການແຈກຢາຍຂອງທິດທາງທີ່ຕ້ອງການໃນຈຸລັງໃນແຕ່ລະຕົວຢ່າງແມ່ນມີອະຄະຕິຕໍ່ໂຄງສ້າງຕາໜ່າງ ຫຼື ໄປສູ່ທິດທາງຂອງອົງປະກອບໜຶ່ງ (ຮູບທີ 5c; ການທົດສອບຂອງ Rayleigh; ລີງ N: z = 8.33, p < 10–3)., ຄ່າສະເລ່ຍວົງມົນ) = 190.13 ອົງສາ ± 9.83 ອົງສາ; ລີງ S: z = 0.79, p = 0.45) ແລະ ມີມຸມຕາໜ່າງລະຫວ່າງຕາຂ່າຍເທົ່າທຽມກັນ (ຮູບເພີ່ມເຕີມທີ 2).ດັ່ງນັ້ນ, ຄວາມອ່ອນໄຫວຂອງ neurons ຕໍ່ກັບຕາຂ່າຍໄຟຟ້າທີ່ມີໂຄງສ້າງແມ່ນຂຶ້ນກັບ, ຢ່າງໜ້ອຍກໍ່ບາງສ່ວນ, ກ່ຽວກັບຄຸນສົມບັດພື້ນຖານຂອງການປັບ MT.
ແຜງດ້ານຊ້າຍສະແດງໃຫ້ເຫັນການແຈກຢາຍຂອງອັດຕາສ່ວນ N/P (ຂອບເຂດຂອງເຊວປະສາດ/ຈິດຕະວິທະຍາ); ແຕ່ລະເຊວໃຫ້ສອງຈຸດຂໍ້ມູນ, ໜຶ່ງຈຸດສຳລັບແຕ່ລະທິດທາງທີ່ຮູບແບບເຄື່ອນທີ່. ແຜງດ້ານຂວາສະແດງຂອບເຂດທາງຈິດຕະວິທະຍາ (ordinate) ທຽບກັບຂອບເຂດຂອງເຊວປະສາດ (abscissa) ສຳລັບທຸກຫົວໜ່ວຍໃນຕົວຢ່າງ. ຂໍ້ມູນໃນແຖວເທິງ (ລຸ່ມ) ແມ່ນມາຈາກລີງ N (S). b ອັດຕາສ່ວນຂອບເຂດທີ່ຖືກປັບໃຫ້ເປັນປົກກະຕິແມ່ນຖືກວາງແຜນທຽບກັບຂະໜາດຂອງຄວາມແຕກຕ່າງລະຫວ່າງທິດທາງຂອງໂຄງຮ່າງທີ່ດີທີ່ສຸດ ແລະ ທິດທາງຂອງເຊວທີ່ຕ້ອງການ. ທິດທາງ "ດີທີ່ສຸດ" ຖືກກຳນົດວ່າເປັນທິດທາງຂອງໂຄງສ້າງຕາຂ່າຍ (ວັດແທກດ້ວຍຕາຂ່າຍ sinusoidal ດຽວ) ທີ່ໃກ້ທີ່ສຸດກັບທິດທາງຂອງເຊວທີ່ຕ້ອງການ. ຂໍ້ມູນໄດ້ຖືກເກັບໄວ້ໃນຖັງກ່ອນໂດຍການວາງທິດທາງທີ່ຕ້ອງການທີ່ຖືກປັບໃຫ້ເປັນປົກກະຕິ (ຖັງ 10°), ຫຼັງຈາກນັ້ນອັດຕາສ່ວນຂອບເຂດໄດ້ຖືກປັບໃຫ້ເປັນປົກກະຕິເປັນຄ່າສູງສຸດ ແລະ ສະເລ່ຍພາຍໃນແຕ່ລະຖັງ. ເຊວທີ່ມີທິດທາງທີ່ຕ້ອງການທີ່ໃຫຍ່ກວ່າ ຫຼື ນ້ອຍກວ່າທິດທາງຂອງອົງປະກອບໂຄງຮ່າງເລັກນ້ອຍມີຄວາມແຕກຕ່າງທີ່ໃຫຍ່ທີ່ສຸດໃນຄວາມອ່ອນໄຫວຕໍ່ກັບທິດທາງຂອງຮູບແບບໂຄງຮ່າງ. c histogram ສີບົວຂອງການແຈກຢາຍທິດທາງທີ່ຕ້ອງການຂອງຫົວໜ່ວຍ MT ທັງໝົດທີ່ບັນທຶກໄວ້ໃນແຕ່ລະລີງ.
ສຸດທ້າຍ, ການຕອບສະໜອງຂອງ MT ແມ່ນຖືກດັດແປງໂດຍທິດທາງຂອງການເຄື່ອນໄຫວຂອງຕາຂ່າຍໄຟຟ້າ ແລະ ລາຍລະອຽດຂອງສັນຍານການແບ່ງສ່ວນຂອງພວກເຮົາ (ໂຄງສ້າງ). ການປຽບທຽບຄວາມອ່ອນໄຫວຂອງເສັ້ນປະສາດ ແລະ ຈິດໃຈທາງຮ່າງກາຍສະແດງໃຫ້ເຫັນວ່າໂດຍທົ່ວໄປແລ້ວ, ໜ່ວຍ MT ມີຄວາມອ່ອນໄຫວໜ້ອຍກວ່າສັນຍານໂຄງສ້າງທີ່ແຕກຕ່າງກັນກ່ວາລີງ. ຢ່າງໃດກໍຕາມ, ຄວາມອ່ອນໄຫວຂອງເສັ້ນປະສາດໄດ້ປ່ຽນແປງໄປຕາມຄວາມແຕກຕ່າງລະຫວ່າງທິດທາງທີ່ຕ້ອງການຂອງໜ່ວຍ ແລະ ທິດທາງຂອງການເຄື່ອນໄຫວຂອງຕາຂ່າຍໄຟຟ້າ. ຈຸລັງທີ່ມີຄວາມອ່ອນໄຫວທີ່ສຸດມັກຈະມີຄວາມມັກທາງດ້ານທິດທາງທີ່ເກືອບກວມເອົາຮູບແບບຕາຂ່າຍໄຟຟ້າ ຫຼື ໜຶ່ງໃນທິດທາງຂອງອົງປະກອບ, ແລະ ກຸ່ມຍ່ອຍຂະໜາດນ້ອຍຂອງຕົວຢ່າງຂອງພວກເຮົາມີຄວາມອ່ອນໄຫວເທົ່າກັບ ຫຼື ມີຄວາມອ່ອນໄຫວຫຼາຍກວ່າການຮັບຮູ້ຄວາມແຕກຕ່າງຂອງຄວາມແຕກຕ່າງຂອງກົງກັນຂ້າມຂອງລີງ. ເພື່ອກຳນົດວ່າສັນຍານຈາກໜ່ວຍທີ່ມີຄວາມອ່ອນໄຫວຫຼາຍກວ່າເຫຼົ່ານີ້ມີຄວາມກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບການຮັບຮູ້ໃນລີງ, ພວກເຮົາໄດ້ກວດສອບຄວາມສຳພັນລະຫວ່າງການຮັບຮູ້ ແລະ ການຕອບສະໜອງຂອງເສັ້ນປະສາດ.
ຂັ້ນຕອນທີ່ສຳຄັນໃນການສ້າງການເຊື່ອມຕໍ່ລະຫວ່າງກິດຈະກຳຂອງລະບົບປະສາດ ແລະ ພຶດຕິກຳແມ່ນການສ້າງຄວາມສຳພັນລະຫວ່າງເຊວປະສາດ ແລະ ການຕອບສະໜອງທາງພຶດຕິກຳຕໍ່ກັບການກະຕຸ້ນທີ່ຄົງທີ່. ເພື່ອເຊື່ອມໂຍງການຕອບສະໜອງຂອງລະບົບປະສາດກັບການຕັດສິນການແບ່ງສ່ວນ, ມັນເປັນສິ່ງສຳຄັນທີ່ຈະສ້າງການກະຕຸ້ນທີ່, ເຖິງແມ່ນວ່າຈະຄືກັນ, ແຕ່ກໍ່ຖືກຮັບຮູ້ແຕກຕ່າງກັນໃນການທົດລອງທີ່ແຕກຕ່າງກັນ. ໃນການສຶກສາໃນປະຈຸບັນ, ສິ່ງນີ້ແມ່ນສະແດງຢ່າງຊັດເຈນໂດຍຕາຂ່າຍຄວາມຄົມຊັດຂອງໂຄງສ້າງທີ່ບໍ່ມີໂຄງສ້າງ. ເຖິງແມ່ນວ່າພວກເຮົາເນັ້ນໜັກວ່າ, ໂດຍອີງໃສ່ໜ້າທີ່ທາງຈິດຕະວິທະຍາຂອງສັດ, ຕາຂ່າຍທີ່ມີຄວາມຄົມຊັດຂອງໂຄງສ້າງໜ້ອຍທີ່ສຸດ (ໜ້ອຍກວ່າ ~20%) ມັກຈະຖືກພິຈາລະນາວ່າສອດຄ່ອງກັນ ຫຼື ໂປ່ງໃສ.
ເພື່ອຄິດໄລ່ຂອບເຂດທີ່ການຕອບສະໜອງ MT ມີຄວາມກ່ຽວຂ້ອງກັບບົດລາຍງານການຮັບຮູ້, ພວກເຮົາໄດ້ດຳເນີນການວິເຄາະຄວາມເປັນໄປໄດ້ໃນການເລືອກ (CP) ຂອງຂໍ້ມູນຕາຂ່າຍໄຟຟ້າຂອງພວກເຮົາ (ເບິ່ງ 3). ສະຫຼຸບແລ້ວ, CP ແມ່ນມາດຕະການທີ່ບໍ່ແມ່ນພາລາມິເຕີ, ບໍ່ແມ່ນມາດຕະຖານທີ່ຄິດໄລ່ຄວາມສຳພັນລະຫວ່າງການຕອບສະໜອງແບບ spike ແລະ ການຕັດສິນການຮັບຮູ້30. ການຈຳກັດການວິເຄາະໃຫ້ກັບການທົດລອງໂດຍໃຊ້ຕາຂ່າຍໄຟຟ້າທີ່ບໍ່ມີຄວາມແຕກຕ່າງດ້ານໂຄງສ້າງ ແລະ ກອງປະຊຸມທີ່ລີງໄດ້ເລືອກຢ່າງໜ້ອຍຫ້າທາງເລືອກສຳລັບແຕ່ລະປະເພດຂອງການທົດລອງເຫຼົ່ານີ້, ພວກເຮົາໄດ້ຄິດໄລ່ SR ແຍກຕ່າງຫາກສຳລັບແຕ່ລະທິດທາງຂອງການເຄື່ອນໄຫວຂອງຕາຂ່າຍໄຟຟ້າ. ໃນລີງ, ພວກເຮົາສັງເກດເຫັນຄ່າ CP ສະເລ່ຍຫຼາຍກວ່າທີ່ພວກເຮົາຄາດຫວັງໄວ້ໂດຍບັງເອີນຢ່າງຫຼວງຫຼາຍ (ຮູບທີ 6a, d; ລີງ N: CP ສະເລ່ຍ: 0.54, 95% CI: (0.53, 0.56), ການທົດສອບ t ສອງດ້ານທຽບກັບ null ຂອງ CP = 0.5, t = 6.7, p < 10−9; ລີງ S: CP ສະເລ່ຍ: 0.55, 95% CI: (0.54, 0.57), ການທົດສອບ t ສອງດ້ານ, t = 9.4, p < 10−13). ໃນລີງ, ພວກເຮົາສັງເກດເຫັນຄ່າ CP ສະເລ່ຍຫຼາຍກວ່າທີ່ພວກເຮົາຄາດຫວັງໄວ້ໂດຍບັງເອີນ (ຮູບທີ 6a, d; ລີງ N: CP ສະເລ່ຍ: 0.54, 95% CI: (0.53, 0.56), ການທົດສອບ t ສອງດ້ານທຽບກັບ null ຂອງ CP = 0.5, t = 6.7, p < 10−9; ລີງ S: CP ສະເລ່ຍ: 0.55, 95% CI: (0.54, 0.57), ການທົດສອບ t ສອງດ້ານ, t = 9.4, p < 10−13).ໃນລີງ, ພວກເຮົາສັງເກດເຫັນ CP ສະເລ່ຍສູງກວ່າທີ່ຄາດໄວ້ແບບສຸ່ມຢ່າງຫຼວງຫຼາຍ (ຮູບທີ 6a, d; ລີງ N: CP ສະເລ່ຍ: 0.54, 95% CI: (0.53, 0.56), ການທົດສອບ t ສອງຫາງ ທຽບກັບ ຄ່າ null).CP = 0,5, t = 6,7, p < 10–9; CP = 0.5, t = 6.7, p < 10–9; обезьяна S: среднее CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = 9,4, p < 10–13). ລີງ S: CP ສະເລ່ຍ: 0.55, 95% CI: (0.54, 0.57), ການທົດສອບ t ສອງຫາງ, t = 9.4, p < 10–13).在猴子中，我们观察到平均CP值显着大于我们偶然预期的值（图6a，d；猴子N：平均CP：50.54，90% CI：（0.53，0.56），针对空值的双边t 检验CP = 0.5, t = 6.7, p < 10−9;猴子S: 平均CP: 0.55, 95% CI, t = 0.0.检验, t = 9.4, p < 10−13).在猴子中，我们观察平均平均值显着大于 我们偶然的值（图图图 6a，平：～～～ 0.54，95%Ci：0.53，0.56），空值检验 CP = 0.5, t = 6.7, p < 10−9; 猴子S: 平均CP: 0.55, 95% CI: (0.54, 0.57), 双边t检验, t=9.4, p < 10−13) У обезьян мы наблюдали средние значения CP, значительно превышающие то, что мы могли бы ожидать слу (6 могли бы ожидать слу) обезьяна N: среднее CP: 0,54, 95% ДИ: (0,53, 0,56), двусторонний t- тест CP против нуля = 0,5, t = 6,7-, p, средний CP: 0,55, 95% ДИ: (0,54, 0,57), двусторонний t-критерий, t = . 9,4, ໜ້າ < 10-13). ໃນລີງ, ພວກເຮົາສັງເກດເຫັນຄ່າ CP ສະເລ່ຍສູງກວ່າສິ່ງທີ່ພວກເຮົາອາດຈະຄາດຫວັງໂດຍບັງເອີນ (ຮູບທີ 6a, d; ລີງ N: CP ສະເລ່ຍ: 0.54, 95% CI: (0.53, 0.56), ການທົດສອບ t ສອງຫາງ CP ທຽບກັບສູນ = 0.5, t = 6.7, p < 10-9, ລີງ S: CP ສະເລ່ຍ: 0.55, 95% CI: (0.54, 0.57), ເກນ t ສອງຫາງ, t = 9.4, p < 10-13).ດັ່ງນັ້ນ, ເຊວປະສາດ MT ມັກຈະເຮັດວຽກຢ່າງແຮງກວ່າເຖິງແມ່ນວ່າຈະບໍ່ມີສັນຍານການແບ່ງສ່ວນທີ່ເປີດເຜີຍ, ເມື່ອການຮັບຮູ້ຂອງສັດກ່ຽວກັບການເຄື່ອນໄຫວຂອງໂຄງສ້າງກົງກັບຄວາມມັກຂອງເຊວ.
ກ. ການແຈກຢາຍຄວາມເປັນໄປໄດ້ໃນການເລືອກສຳລັບຕາຂ່າຍໄຟຟ້າທີ່ບໍ່ມີສັນຍານໂຄງສ້າງສຳລັບຕົວຢ່າງທີ່ບັນທຶກໄວ້ຈາກລີງ N. ແຕ່ລະເຊວສາມາດປະກອບສ່ວນໄດ້ເຖິງສອງຈຸດຂໍ້ມູນ (ໜຶ່ງຈຸດສຳລັບແຕ່ລະທິດທາງຂອງການເຄື່ອນໄຫວຂອງຕາຂ່າຍໄຟຟ້າ). ຄ່າ CP ສະເລ່ຍຂ້າງເທິງແບບສຸ່ມ (ລູກສອນສີຂາວ) ຊີ້ບອກວ່າໂດຍລວມແລ້ວມີຄວາມສຳພັນທີ່ສຳຄັນລະຫວ່າງກິດຈະກຳ MT ແລະການຮັບຮູ້. ຂ. ເພື່ອກວດສອບຜົນກະທົບຂອງອະຄະຕິໃນການເລືອກທີ່ອາດເກີດຂຶ້ນ, ພວກເຮົາໄດ້ຄິດໄລ່ CP ແຍກຕ່າງຫາກສຳລັບການກະຕຸ້ນໃດໆທີ່ລີງເຮັດຜິດພາດຢ່າງໜ້ອຍໜຶ່ງຄັ້ງ. ຄວາມເປັນໄປໄດ້ໃນການເລືອກແມ່ນຖືກວາງແຜນເປັນໜ້າທີ່ຂອງອັດຕາສ່ວນການເລືອກ (pref/null) ສຳລັບທຸກໆການກະຕຸ້ນ (ຊ້າຍ) ແລະຄ່າຢ່າງແທ້ຈິງຂອງຄວາມຄົມຊັດຂອງເຄື່ອງໝາຍໂຄງສ້າງ (ຂວາ, ຂໍ້ມູນຈາກ 120 ເຊວສ່ວນບຸກຄົນ). ເສັ້ນເຕັມ ແລະພື້ນທີ່ຮົ່ມໃນແຜງດ້ານຊ້າຍສະແດງເຖິງຄ່າສະເລ່ຍ ± sem ຂອງຄ່າສະເລ່ຍເຄື່ອນທີ່ 20 ຈຸດ. ຄວາມເປັນໄປໄດ້ໃນການເລືອກທີ່ຄິດໄລ່ສຳລັບການກະຕຸ້ນທີ່ມີອັດຕາສ່ວນການເລືອກທີ່ບໍ່ສົມດຸນ, ເຊັ່ນຕາຂ່າຍໄຟຟ້າທີ່ມີຄວາມຄົມຊັດຂອງສັນຍານສູງ, ແຕກຕ່າງກັນຫຼາຍ ແລະຖືກຈັດກຸ່ມອ້ອມຮອບຄວາມເປັນໄປໄດ້. ພື້ນທີ່ຮົ່ມສີເທົາໃນແຜງດ້ານຂວາເນັ້ນຄວາມຄົມຊັດຂອງຄຸນສົມບັດທີ່ລວມຢູ່ໃນການຄິດໄລ່ຄວາມເປັນໄປໄດ້ໃນການເລືອກສູງ. c ຄວາມເປັນໄປໄດ້ຂອງການເລືອກຂະໜາດໃຫຍ່ (ordinate) ຖືກວາງແຜນຕໍ່ກັບຂອບເຂດຂອງເຊວປະສາດ (abscissa). ຄວາມເປັນໄປໄດ້ຂອງການເລືອກມີຄວາມກ່ຽວຂ້ອງທາງລົບຢ່າງຫຼວງຫຼາຍກັບຂອບເຂດ. ສົນທິສັນຍາ df ແມ່ນຄືກັນກັບ ac ແຕ່ໃຊ້ກັບຂໍ້ມູນດ່ຽວ 157 ຈາກລີງ S ເວັ້ນເສຍແຕ່ຈະມີການລະບຸໄວ້ເປັນຢ່າງອື່ນ. g ຄວາມເປັນໄປໄດ້ຂອງການເລືອກທີ່ສູງທີ່ສຸດ (ordinate) ຖືກວາງແຜນຕໍ່ກັບທິດທາງທີ່ຕ້ອງການປົກກະຕິ (abscissa) ສຳລັບລີງສອງໂຕ. ແຕ່ລະເຊວ MT ປະກອບສ່ວນສອງຈຸດຂໍ້ມູນ (ໜຶ່ງສຳລັບແຕ່ລະທິດທາງຂອງໂຄງສ້າງ lattice). h ຕາຕະລາງກ່ອງຂະໜາດໃຫຍ່ຂອງຄວາມເປັນໄປໄດ້ຂອງການເລືອກສຳລັບແຕ່ລະມຸມລະຫວ່າງຣາສເຕີ. ເສັ້ນທຶບໝາຍເຖິງກາງ, ຂອບລຸ່ມ ແລະ ຂອບເທິງຂອງກ່ອງເປັນຕົວແທນຂອງເປີເຊັນໄທລ໌ທີ 25 ແລະ 75 ຕາມລຳດັບ, ໜວດຖືກຂະຫຍາຍໄປເຖິງ 1.5 ເທົ່າຂອງຊ່ວງ interquartile, ແລະ ຄ່າຜິດປົກກະຕິທີ່ເກີນຂອບເຂດນີ້ຖືກບັນທຶກໄວ້. ຂໍ້ມູນໃນແຜງຊ້າຍ (ຂວາ) ແມ່ນມາຈາກເຊວລີງ N(S) ແຕ່ລະໂຕ 120 (157) ໂຕ. i ຄວາມເປັນໄປໄດ້ສູງສຸດຂອງການເລືອກ (ordinate) ຖືກວາງແຜນຕໍ່ກັບເວລາເລີ່ມຕົ້ນຂອງການກະຕຸ້ນ (abscissa). CP ຂະໜາດໃຫຍ່ໄດ້ຖືກຄິດໄລ່ໃນຮູບສີ່ແຈສາກເລື່ອນ (ຄວາມກວ້າງ 100 ms, ຂັ້ນຕອນ 10 ms) ຕະຫຼອດການທົດສອບ ແລະ ຫຼັງຈາກນັ້ນຄິດໄລ່ຄ່າສະເລ່ຍຕາມຫົວໜ່ວຍ.
ການສຶກສາບາງຢ່າງກ່ອນໜ້ານີ້ໄດ້ລາຍງານວ່າ CP ແມ່ນຂຶ້ນກັບຈຳນວນການທົດລອງທີ່ກ່ຽວຂ້ອງໃນການແຈກຢາຍອັດຕາພື້ນຖານ, ຊຶ່ງໝາຍຄວາມວ່າມາດຕະການນີ້ມີຄວາມໜ້າເຊື່ອຖືໜ້ອຍກວ່າສຳລັບສິ່ງກະຕຸ້ນທີ່ເຮັດໃຫ້ເກີດຄວາມແຕກຕ່າງຢ່າງຫຼວງຫຼາຍໃນສັດສ່ວນຂອງແຕ່ລະທາງເລືອກ. ເພື່ອທົດສອບຜົນກະທົບນີ້ໃນຂໍ້ມູນຂອງພວກເຮົາ, ພວກເຮົາໄດ້ຄິດໄລ່ CP ແຍກຕ່າງຫາກສຳລັບສິ່ງກະຕຸ້ນທັງໝົດ, ໂດຍບໍ່ຄຳນຶງເຖິງຄວາມແຕກຕ່າງຂອງໂຄງສ້າງເຄື່ອງໝາຍ, ແລະລີງໄດ້ປະຕິບັດການທົດລອງທີ່ບໍ່ຖືກຕ້ອງຢ່າງໜ້ອຍໜຶ່ງຄັ້ງ. CP ຖືກວາງແຜນທຽບກັບອັດຕາສ່ວນການເລືອກ (pref/null) ສຳລັບສັດແຕ່ລະໂຕໃນຮູບທີ 6b ແລະ e (ແຜງດ້ານຊ້າຍ), ຕາມລຳດັບ. ເມື່ອເບິ່ງຄ່າສະເລ່ຍເຄື່ອນທີ່, ເຫັນໄດ້ຢ່າງຊັດເຈນວ່າ CP ຍັງຄົງຢູ່ເໜືອຄວາມເປັນໄປໄດ້ໃນໄລຍະອັດຕາການຄັດເລືອກທີ່ຫຼາກຫຼາຍ, ຫຼຸດລົງພຽງແຕ່ເມື່ອອັດຕາຫຼຸດລົງ (ເພີ່ມຂຶ້ນ) ຕ່ຳກວ່າ (ຂ້າງເທິງ) 0.2 (0.8). ອີງຕາມລັກສະນະທາງຈິດຕະວິທະຍາຂອງສັດ, ພວກເຮົາຄາດຫວັງວ່າສຳປະສິດການເລືອກຂອງຂະໜາດນີ້ຈະນຳໃຊ້ກັບສິ່ງກະຕຸ້ນທີ່ມີຕົວຊີ້ບອກໂຄງສ້າງທີ່ມີຄວາມຄົມຊັດສູງ (ສອດຄ່ອງກັນ ຫຼື ໂປ່ງໃສ) ເທົ່ານັ້ນ (ເບິ່ງຕົວຢ່າງຂອງລັກສະນະທາງຈິດຕະວິທະຍາໃນຮູບທີ 2a, b). ເພື່ອກຳນົດວ່ານີ້ແມ່ນກໍລະນີຫຼືບໍ່ ແລະ PC ທີ່ສຳຄັນຍັງຄົງຢູ່ເຖິງແມ່ນວ່າສຳລັບການກະຕຸ້ນທີ່ມີສັນຍານການແບ່ງສ່ວນທີ່ຊັດເຈນ, ພວກເຮົາໄດ້ກວດສອບຜົນກະທົບຂອງຄ່າຄວາມຄົມຊັດຂອງໂຄງສ້າງຢ່າງແທ້ຈິງໃນ PC (ຮູບທີ 6b, e-right). ຕາມທີ່ຄາດໄວ້, CP ແມ່ນສູງກວ່າຄວາມເປັນໄປໄດ້ຢ່າງຫຼວງຫຼາຍສຳລັບການກະຕຸ້ນທີ່ມີສັນຍານການແບ່ງສ່ວນປານກາງເຖິງ (~20% ຄວາມຄົມຊັດ ຫຼື ຕ່ຳກວ່າ).
ໃນວຽກງານການຮັບຮູ້ທິດທາງ, ຄວາມໄວ, ແລະຄວາມບໍ່ກົງກັນ, MT CP ມັກຈະສູງທີ່ສຸດໃນເຊວປະສາດທີ່ມີຄວາມອ່ອນໄຫວທີ່ສຸດ, ອາດຈະເປັນຍ້ອນວ່າເຊວປະສາດເຫຼົ່ານີ້ມີສັນຍານທີ່ໃຫ້ຂໍ້ມູນຫຼາຍທີ່ສຸດ 30,32,33,34.ສອດຄ່ອງກັບການຄົ້ນພົບເຫຼົ່ານີ້, ພວກເຮົາໄດ້ສັງເກດເຫັນຄວາມສຳພັນທີ່ປານກາງແຕ່ມີຄວາມສຳຄັນລະຫວ່າງ grand CP, ເຊິ່ງຄິດໄລ່ຈາກອັດຕາການຍິງທີ່ໄດ້ຮັບຄະແນນ z ໃນທົ່ວຄວາມແຕກຕ່າງຂອງໂຄງສ້າງທີ່ເນັ້ນໃສ່ໃນແຜງດ້ານຂວາສຸດຂອງຮູບ.6b, e, ແລະຂອບເຂດຂອງເຊວປະສາດ (ຮູບທີ 6c, f; ການຖົດຖອຍຄ່າສະເລ່ຍທາງເລຂາຄະນິດ; ລີງ N: r = −0.12, p = 0.07 ລີງ S: r = −0.18, p < 10−3). 6b, e, ແລະຂອບເຂດຂອງເຊວປະສາດ (ຮູບທີ 6c, f; ການຖົດຖອຍຄ່າສະເລ່ຍທາງເລຂາຄະນິດ; ລີງ N: r = −0.12, p = 0.07 ລີງ S: r = −0.18, p < 10−3).ສອດຄ່ອງກັບການຄົ້ນພົບເຫຼົ່ານີ້, ພວກເຮົາໄດ້ສັງເກດເຫັນຄວາມສຳພັນທີ່ປານກາງແຕ່ມີຄວາມສຳຄັນລະຫວ່າງ CP ຂະໜາດໃຫຍ່ທີ່ຄິດໄລ່ຈາກຄວາມຖີ່ກະຕຸ້ນ z-score ຈາກຄວາມແຕກຕ່າງຂອງສັນຍານໂຄງສ້າງທີ່ເນັ້ນໃສ່ໃນແຜງດ້ານຂວາສຸດຂອງຮູບທີ 6b, e, ແລະຂອບເຂດຂອງເສັ້ນປະສາດ (ຮູບທີ 6c, f; ເລຂາຄະນິດ). ການຖົດຖອຍຄ່າສະເລ່ຍເລຂາຄະນິດ;обезьяна N: r = -0,12, p = 0,07 обезьяна S: r = -0,18, p < 10-3). ລີງ N: r = -0.12, p = 0.07 ລີງ S: r = -0.18, p < 10-3).与这些发现一致，我们观察到大CP之间存在适度但显着的相关性，这是根据图6b、e和神经元阈值（图6c、f；几何平均回归；猴子N：r = -0.12，p = 0.07猴子S：r = -0.18，p < .3)与这些发现一致，我们到大之间存在适度但显着的相关性这是根据国。阈值（图图6c、f；回归；猴子n：r=-0.12，p=0.07猴子S：r=-0.18，p<10-3）.ສອດຄ່ອງກັບການຄົ້ນພົບເຫຼົ່ານີ້, ພວກເຮົາໄດ້ສັງເກດເຫັນຄວາມສຳພັນທີ່ປານກາງແຕ່ມີຄວາມສຳຄັນລະຫວ່າງ CVs ຂະໜາດໃຫຍ່ ດັ່ງທີ່ສະແດງຢູ່ໃນຮູບທີ 6b,e ແລະຂອບເຂດຂອງເຊວປະສາດ (ຮູບທີ 6c,f; ການຖົດຖອຍສະເລ່ຍທາງເລຂາຄະນິດ; ລີງ N: r = -0.12, p = 0.07).Обезьяна S: г = -0,18, р < 10-3). ລິງ S: r = -0.18, p < 10-3).ດັ່ງນັ້ນ, ຕົວຊີ້ບອກຈາກຫົວໜ່ວຍທີ່ໃຫ້ຂໍ້ມູນຫຼາຍທີ່ສຸດມັກຈະສະແດງໃຫ້ເຫັນເຖິງຄວາມແปรປ່ວນຮ່ວມຫຼາຍກວ່າກັບການຕັດສິນການແບ່ງສ່ວນແບບອັດຕະວິໄນໃນລີງ, ເຊິ່ງມີຄວາມສຳຄັນໂດຍບໍ່ຄຳນຶງເຖິງຕົວຊີ້ບອກດ້ານໂຄງສ້າງໃດໆທີ່ເພີ່ມເຂົ້າໃນຄວາມລຳອຽງການຮັບຮູ້.
ເນື່ອງຈາກວ່າພວກເຮົາໄດ້ສ້າງຄວາມສຳພັນລະຫວ່າງຄວາມອ່ອນໄຫວຕໍ່ກັບສັນຍານໂຄງສ້າງຕາຂ່າຍໄຟຟ້າ ແລະ ທິດທາງຂອງເຊວປະສາດທີ່ຕ້ອງການກ່ອນໜ້ານີ້, ພວກເຮົາສົງໄສວ່າມີຄວາມສຳພັນທີ່ຄ້າຍຄືກັນລະຫວ່າງ CP ແລະ ທິດທາງທີ່ຕ້ອງການ (ຮູບທີ 6g). ຄວາມສຳພັນນີ້ມີຄວາມໝາຍພຽງເລັກນ້ອຍໃນລີງ S (ANOVA; ລີງ N: 1.03, p=0.46; ລີງ S: F=1.73, p=0.04). ພວກເຮົາບໍ່ສັງເກດເຫັນຄວາມແຕກຕ່າງໃນ CP ສຳລັບມຸມຂອງໂຄງຮ່າງລະຫວ່າງໂຄງຮ່າງໃນສັດໃດໆ (ຮູບທີ 6h; ANOVA; ລີງ N: F = 1.8, p = 0.11; ລີງ S: F = 0.32, p = 0.9).
ສຸດທ້າຍ, ວຽກງານທີ່ຜ່ານມາໄດ້ສະແດງໃຫ້ເຫັນວ່າ CP ມີການປ່ຽນແປງຕະຫຼອດການທົດລອງ. ການສຶກສາບາງຢ່າງໄດ້ລາຍງານການເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ ຕາມດ້ວຍຜົນກະທົບການຄັດເລືອກທີ່ຂ້ອນຂ້າງລຽບງ່າຍ,30 ໃນຂະນະທີ່ການສຶກສາອື່ນໆໄດ້ລາຍງານການເພີ່ມຂຶ້ນຢ່າງຕໍ່ເນື່ອງໃນສັນຍານການຄັດເລືອກຕະຫຼອດການທົດລອງ31. ສຳລັບລີງແຕ່ລະໂຕ, ພວກເຮົາໄດ້ຄິດໄລ່ CP ຂອງແຕ່ລະຫົວໜ່ວຍໃນການທົດລອງທີ່ມີຄວາມຄົມຊັດຂອງໂຄງສ້າງສູນ (ຕາມລຳດັບ, ອີງຕາມທິດທາງຂອງຮູບແບບ) ໃນຈຸລັງ 100 ms ຄ່ອຍໆກ້າວໄປທຸກໆ 20 ms ຈາກການເລີ່ມຕົ້ນກ່ອນການກະຕຸ້ນຈົນເຖິງການຊົດເຊີຍກ່ອນການກະຕຸ້ນໂດຍສະເລ່ຍ. ການເຄື່ອນໄຫວຂອງ CP ສະເລ່ຍສຳລັບລີງສອງໂຕແມ່ນສະແດງຢູ່ໃນຮູບທີ 6i. ໃນທັງສອງກໍລະນີ, CP ຍັງຄົງຢູ່ໃນລະດັບສຸ່ມ ຫຼື ໃກ້ກັບມັນຫຼາຍຈົນຮອດເກືອບ 500 ms ຫຼັງຈາກການເລີ່ມຕົ້ນຂອງການກະຕຸ້ນ, ຫຼັງຈາກນັ້ນ CP ເພີ່ມຂຶ້ນຢ່າງໄວວາ.
ນອກເໜືອໄປຈາກການປ່ຽນແປງຄວາມອ່ອນໄຫວ, CP ໄດ້ສະແດງໃຫ້ເຫັນວ່າໄດ້ຮັບຜົນກະທົບຈາກຄຸນລັກສະນະບາງຢ່າງຂອງລັກສະນະການປັບແຕ່ງເຊວ. ຕົວຢ່າງ, Uka ແລະ DeAngelis34 ພົບວ່າ CP ໃນໜ້າວຽກການຮັບຮູ້ຄວາມບໍ່ກົງກັນຂອງກ້ອງສ່ອງທາງໄກແມ່ນຂຶ້ນກັບຄວາມສົມມາດຂອງເສັ້ນໂຄ້ງການປັບແຕ່ງຄວາມບໍ່ກົງກັນຂອງກ້ອງສ່ອງທາງໄກຂອງອຸປະກອນ. ໃນກໍລະນີນີ້, ຄຳຖາມທີ່ກ່ຽວຂ້ອງແມ່ນວ່າເຊວທີ່ເລືອກທິດທາງຮູບແບບ (PDS) ມີຄວາມອ່ອນໄຫວຫຼາຍກວ່າເຊວທີ່ເລືອກທິດທາງອົງປະກອບ (CDS) ຫຼືບໍ່. ເຊວ PDS ເຂົ້າລະຫັດທິດທາງທົ່ວໄປຂອງຮູບແບບທີ່ມີຫຼາຍທິດທາງທ້ອງຖິ່ນ, ໃນຂະນະທີ່ເຊວ CDS ຕອບສະໜອງຕໍ່ການເຄື່ອນໄຫວຂອງອົງປະກອບຮູບແບບທິດທາງ (ຮູບທີ 7a).
ກ. ການສະແດງແບບແຜນວາດຂອງການກະຕຸ້ນການປັບແຕ່ງອົງປະກອບໂໝດ ແລະ ຕາຕະລາງສົມມຸດຕິຖານ (ຊ້າຍ) ແລະ ເສັ້ນໂຄ້ງການປັບແຕ່ງທິດທາງຂອງຕາຕະລາງ (ຂວາ) (ເບິ່ງວັດສະດຸ ແລະ ວິທີການ). ໂດຍຫຍໍ້, ຖ້າເຊວປະສົມປະສານຜ່ານອົງປະກອບຕາຂ່າຍໄຟຟ້າເພື່ອການເຄື່ອນໄຫວຮູບແບບສັນຍານ, ຄົນເຮົາຈະຄາດຫວັງວ່າເສັ້ນໂຄ້ງການປັບແຕ່ງດຽວກັນສຳລັບຕາຂ່າຍໄຟຟ້າ ແລະ ການກະຕຸ້ນຕາຂ່າຍໄຟຟ້າແຕ່ລະອັນ (ຖັນສຸດທ້າຍ, ເສັ້ນໂຄ້ງແຂງ). ໃນທາງກັບກັນ, ຖ້າເຊວບໍ່ປະສົມປະສານທິດທາງຂອງອົງປະກອບເຂົ້າໃນການເຄື່ອນໄຫວຂອງຮູບແບບສັນຍານ, ຄົນເຮົາຈະຄາດຫວັງວ່າເສັ້ນໂຄ້ງການປັບແຕ່ງສອງສ່ວນທີ່ມີຈຸດສູງສຸດໃນແຕ່ລະທິດທາງຂອງການເຄື່ອນໄຫວຂອງຕາຕະລາງທີ່ແປອົງປະກອບໜຶ່ງໄປສູ່ທິດທາງທີ່ຕ້ອງການຂອງເຊວ (ຖັນສຸດທ້າຍ, ເສັ້ນໂຄ້ງປະ). . ຂ. ເສັ້ນໂຄ້ງ (ຊ້າຍ) ສຳລັບການປັບທິດທາງຂອງອາເຣ sinusoidal ສຳລັບເຊວທີ່ສະແດງຢູ່ໃນຮູບທີ 1 ແລະ 2. 3 ແລະ 4 (ແຖວເທິງ - ເຊວໃນຮູບທີ 3a, b ແລະ 4a, b (ເທິງ); ແຜງລຸ່ມ - ເຊວຂອງຮູບທີ 3c, d ແລະ 4a, b (ລຸ່ມ)). (ກາງ) ການຄາດຄະເນຮູບແບບ ແລະ ອົງປະກອບທີ່ຄິດໄລ່ຈາກໂປຣໄຟລ໌ການປັບແຕ່ງ lattice. (ຂວາ) ການປັບຕາຂ່າຍໄຟຟ້າຂອງເຊວເຫຼົ່ານີ້. ຈຸລັງຂອງແຜງດ້ານເທິງ (ລຸ່ມ) ຖືກຈັດປະເພດເປັນຈຸລັງແມ່ແບບ (ອົງປະກອບ). ໃຫ້ສັງເກດວ່າບໍ່ມີຄວາມສອດຄ່ອງກັນແບບໜຶ່ງຕໍ່ໜຶ່ງລະຫວ່າງການຈັດປະເພດຂອງອົງປະກອບຮູບແບບ ແລະ ຄວາມມັກສຳລັບການເຄື່ອນໄຫວຂອງຈຸລັງທີ່ສອດຄ່ອງ/ໂປ່ງໃສ (ເບິ່ງການຕອບສະໜອງຂອງໂຄງສ້າງສຳລັບຈຸລັງເຫຼົ່ານີ້ໃນຮູບທີ 4a). c ຄ່າສຳປະສິດຂອງສະຫະສຳພັນບາງສ່ວນຂອງໂໝດຄະແນນ z (ordinate) ທີ່ວາງແຜນທຽບກັບຄ່າສຳປະສິດສະຫະສຳພັນບາງສ່ວນຂອງອົງປະກອບຄະແນນ z (abscissa) ສຳລັບຈຸລັງທັງໝົດທີ່ບັນທຶກໄວ້ໃນລີງ N (ຊ້າຍ) ແລະ S (ຂວາ). ເສັ້ນໜາຊີ້ບອກເຖິງເງື່ອນໄຂຄວາມສຳຄັນທີ່ໃຊ້ເພື່ອຈັດປະເພດຈຸລັງ. d ແຜນວາດຂອງຄວາມເປັນໄປໄດ້ໃນການເລືອກສູງ (ordinate) ທຽບກັບດັດຊະນີໂໝດ (Zp – Zc) (abscissa). ຂໍ້ມູນໃນແຜງເບື້ອງຊ້າຍ (ຂວາ) ໝາຍເຖິງລີງ N(S). ວົງມົນສີດຳຊີ້ບອກຂໍ້ມູນໃນຫົວໜ່ວຍປະມານ. ໃນສັດທັງສອງໂຕ, ມີສະຫະສຳພັນທີ່ສຳຄັນລະຫວ່າງຄວາມເປັນໄປໄດ້ໃນການເລືອກສູງ ແລະ ດັດຊະນີຮູບແບບ, ຊີ້ໃຫ້ເຫັນເຖິງສະຫະສຳພັນການຮັບຮູ້ທີ່ໃຫຍ່ກວ່າສຳລັບຈຸລັງທີ່ມີທິດທາງຮູບແບບສັນຍານໃນການກະຕຸ້ນທີ່ມີທິດທາງອົງປະກອບຫຼາຍອັນ.
ດັ່ງນັ້ນ, ໃນຊຸດການທົດສອບແຍກຕ່າງຫາກ, ພວກເຮົາໄດ້ວັດແທກການຕອບສະໜອງຕໍ່ຕາຂ່າຍ sinusoidal ແລະຕາຂ່າຍເພື່ອຈັດປະເພດ neurons ໃນຕົວຢ່າງຂອງພວກເຮົາເປັນ PDS ຫຼື CDS (ເບິ່ງວິທີການ). ເສັ້ນໂຄ້ງການປັບແຕ່ງ Lattice, ການຄາດຄະເນອົງປະກອບແມ່ແບບທີ່ສ້າງຂຶ້ນຈາກຂໍ້ມູນການປັບແຕ່ງນີ້, ແລະເສັ້ນໂຄ້ງການປັບແຕ່ງ lattice ສຳລັບຈຸລັງທີ່ສະແດງຢູ່ໃນຮູບທີ 1 ແລະ 3. ຮູບທີ 3 ແລະ 4 ແລະຮູບເພີ່ມເຕີມ 3 ແມ່ນສະແດງຢູ່ໃນຮູບທີ 7b. ການແຈກຢາຍຮູບແບບ ແລະ ການເລືອກອົງປະກອບ, ເຊັ່ນດຽວກັນກັບທິດທາງຂອງຈຸລັງທີ່ຕ້ອງການໃນແຕ່ລະປະເພດ, ແມ່ນສະແດງສໍາລັບແຕ່ລະລີງໃນຮູບທີ 7c ແລະຮູບເພີ່ມເຕີມ 4 ຕາມລໍາດັບ.
ເພື່ອປະເມີນຄວາມເພິ່ງພາອາໄສຂອງ CP ໃນການແກ້ໄຂອົງປະກອບຮູບແບບ, ພວກເຮົາໄດ້ຄິດໄລ່ດັດຊະນີຮູບແບບ 35 (PI) ກ່ອນ, ຄ່າທີ່ໃຫຍ່ກວ່າ (ນ້ອຍກວ່າ) ເຊິ່ງຊີ້ບອກເຖິງພຶດຕິກຳທີ່ຄ້າຍຄືກັນຂອງ PDS (CDS) ທີ່ໃຫຍ່ກວ່າ. ເນື່ອງຈາກການສາທິດຂ້າງເທິງວ່າ: (i) ຄວາມອ່ອນໄຫວຂອງເສັ້ນປະສາດແຕກຕ່າງກັນໄປຕາມຄວາມແຕກຕ່າງລະຫວ່າງທິດທາງຂອງຈຸລັງທີ່ຕ້ອງການ ແລະ ທິດທາງຂອງການເຄື່ອນໄຫວຂອງການກະຕຸ້ນ, ແລະ (ii) ມີຄວາມສຳພັນທີ່ສຳຄັນລະຫວ່າງຄວາມອ່ອນໄຫວຂອງເສັ້ນປະສາດ ແລະ ຄວາມເປັນໄປໄດ້ໃນການເລືອກໃນຕົວຢ່າງຂອງພວກເຮົາ, ພວກເຮົາພົບວ່າຄວາມສຳພັນລະຫວ່າງ PI ແລະ CP ທັງໝົດໄດ້ຖືກສຶກສາສຳລັບທິດທາງ "ທີ່ດີທີ່ສຸດ" ຂອງການເຄື່ອນໄຫວຂອງແຕ່ລະຈຸລັງ (ເບິ່ງຂ້າງເທິງ). ພວກເຮົາພົບວ່າ CP ມີຄວາມສຳພັນຢ່າງຫຼວງຫຼາຍກັບ PI (ຮູບທີ 7d; ການຖົດຖອຍຄ່າສະເລ່ຍທາງເລຂາຄະນິດ; ລີງ CP ໃຫຍ່ N: r = 0.23, p < 0.01; ລີງ CP ສອງຊະນິດທີ່ໝັ້ນຄົງ N r = 0.21, p = 0.013; ລີງ CP ໃຫຍ່ S: r = 0.30, p < 10−4; ລີງ CP ສອງຊະນິດທີ່ໝັ້ນຄົງ S: r = 0.29, p < 10−3), ຊີ້ບອກວ່າຈຸລັງທີ່ຈັດປະເພດເປັນ PDS ສະແດງໃຫ້ເຫັນກິດຈະກຳທີ່ກ່ຽວຂ້ອງກັບການເລືອກຫຼາຍກວ່າ CDS ແລະຈຸລັງທີ່ບໍ່ໄດ້ຈັດປະເພດ. ພວກເຮົາພົບວ່າ CP ມີຄວາມສຳພັນຢ່າງຫຼວງຫຼາຍກັບ PI (ຮູບທີ 7d; ການຖົດຖອຍຄ່າສະເລ່ຍທາງເລຂາຄະນິດ; ລີງ CP ໃຫຍ່ N: r = 0.23, p < 0.01; ລີງ CP ສອງຊະນິດທີ່ໝັ້ນຄົງ N r = 0.21, p = 0.013; ລີງ CP ໃຫຍ່ S: r = 0.30, p < 10−4; ລີງ CP ສອງຊະນິດທີ່ໝັ້ນຄົງ S: r = 0.29, p < 10−3), ຊີ້ບອກວ່າຈຸລັງທີ່ຈັດປະເພດເປັນ PDS ສະແດງໃຫ້ເຫັນກິດຈະກຳທີ່ກ່ຽວຂ້ອງກັບການເລືອກຫຼາຍກວ່າ CDS ແລະຈຸລັງທີ່ບໍ່ໄດ້ຈັດປະເພດ. Мы обнаружили, что CP значительно коррелирует с PI (рис. 7d; регрессия среднего геометрическогьша: бометрическогьша ; = 0,23, p < 0,01 ; r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированные как PDS, проявляли большую активность, связанную с выбором, чем CDS и неклассифицированные клетки. ພວກເຮົາພົບວ່າ CP ມີຄວາມສຳພັນຢ່າງຫຼວງຫຼາຍກັບ PI (ຮູບທີ 7d; ການຖົດຖອຍຄ່າສະເລ່ຍທາງເລຂາຄະນິດ; ລີງໃຫຍ່ CP N: r = 0.23, p < 0.01; ລີງໃຫຍ່ CP N r = 0.21, p = 0.013; ລີງໃຫຍ່ CP S: r = 0.30, p < 10-4; ລີງ S bistable CP: r = 0.29, p < 10-3), ຊີ້ບອກວ່າຈຸລັງທີ່ຈັດປະເພດເປັນ PDS ສະແດງໃຫ້ເຫັນກິດຈະກຳຫຼາຍກວ່າ, ທີ່ກ່ຽວຂ້ອງກັບການເລືອກຫຼາຍກວ່າ CDS ແລະຈຸລັງທີ່ບໍ່ໄດ້ຈັດປະເພດ.我们发现CP与PI显着相关（图7d；几何平均回归；大CP猴N：r = 0.23，p < 0.01；双稳态.1 r = 0.23，p < 0.01；双稳态. 1 r = 0.01；双稳态. 0.013；大CP猴S：r = 0.30，p <10-4；双稳态CP猴S：r = 0.29，p <10-3），表明分类为PDS的细胞比 和未分类的细胞表现出更大的选择相关活性. CP 与PI 显着相关（图7d；几何平均回归；大CP猴N：r = 0.23，p < 0.01；双稳态CP 猴N r = 0.23 p < 0.01； 双稳态CP 猴N r = 1.2p, 1； p. 0.0 Мы обнаружили, что CP был значительно связан с PI (рис. 7d; регрессия среднего геометрическобьшо я болаского; 0,23, p < 0,01 ; ພວກເຮົາພົບວ່າ CP ມີຄວາມກ່ຽວຂ້ອງຢ່າງຫຼວງຫຼາຍກັບ PI (ຮູບທີ 7d; ການຖົດຖອຍຄ່າສະເລ່ຍທາງເລຂາຄະນິດ; ລີງໃຫຍ່ CP N: r = 0.23, p < 0.01; ລີງໃຫຍ່ CP N r = 0.21, p = 0.013; ລີງໃຫຍ່ CP S: r = 0.013) 0.30, p < 10-4; бистабильный CP обезьяны S: r = 0,29, p < 10-3), что указывает на то, что клетки, классифицированное кашк бяюльроь прод. селекционную активность, чем клетки, классифицированные как CDS и неклассифицированные. monkey S bistable CP: r = 0.29, p < 10-3), ຊີ້ບອກວ່າຈຸລັງທີ່ຖືກຈັດປະເພດເປັນ PDS ສະແດງໃຫ້ເຫັນກິດຈະກຳການຄັດເລືອກຫຼາຍກວ່າຈຸລັງທີ່ຈັດປະເພດເປັນ CDS ແລະບໍ່ໄດ້ຈັດປະເພດ.ເນື່ອງຈາກທັງ PI ແລະ ຄວາມອ່ອນໄຫວຂອງເຊວປະສາດມີຄວາມສຳພັນກັບ CP, ພວກເຮົາໄດ້ດຳເນີນການວິເຄາະການຖົດຖອຍຫຼາຍຕົວ (ດ້ວຍ PI ແລະ ຄວາມອ່ອນໄຫວຂອງເຊວປະສາດເປັນຕົວແປເອກະລາດ ແລະ CP ຂະໜາດໃຫຍ່ເປັນຕົວແປຕາມ) ເພື່ອຕັດຄວາມສຳພັນລະຫວ່າງສອງມາດຕະການທີ່ນຳໄປສູ່ຄວາມເປັນໄປໄດ້ຂອງຜົນກະທົບ. ສຳປະສິດສະຫະສຳພັນບາງສ່ວນທັງສອງແມ່ນມີຄວາມສຳຄັນ (ລີງ N: ຄ່າ threshold vs. CP: r = −0.13, p = 0.04, PI vs. CP: r = 0.23, p < 0.01; ລີງ S: ຄ່າ threshold vs. CP: r = −0.16, p = 0.03, PI vs CP: 0.29, p < 10−3), ຊີ້ໃຫ້ເຫັນວ່າ CP ເພີ່ມຂຶ້ນດ້ວຍຄວາມອ່ອນໄຫວ ແລະ ໃນແບບທີ່ເປັນເອກະລາດເພີ່ມຂຶ້ນດ້ວຍ PI. ສຳປະສິດສະຫະສຳພັນບາງສ່ວນທັງສອງແມ່ນມີຄວາມສຳຄັນ (ລີງ N: ຄ່າ threshold vs. CP: r = −0.13, p = 0.04, PI vs. CP: r = 0.23, p < 0.01; ລີງ S: ຄ່າ threshold vs. CP: r = −0.16, p = 0.03, PI vs CP: 0.29, p < 10−3), ຊີ້ໃຫ້ເຫັນວ່າ CP ເພີ່ມຂຶ້ນດ້ວຍຄວາມອ່ອນໄຫວ ແລະ ໃນແບບທີ່ເປັນເອກະລາດເພີ່ມຂຶ້ນດ້ວຍ PI. Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, p в 0,04, p. < 0,01 ; чувствительностью и независимым образом увеличивается с PI. ສຳປະສິດສະຫະສຳພັນບາງສ່ວນທັງສອງແມ່ນມີຄວາມສຳຄັນ (ລີງ N: ຄ່າຂອບເຂດ vs. CP: r=-0.13, p=0.04, PI vs. CP: r=0.23, p<0.01; ລີງ S: ຄ່າຂອບເຂດ vs. CP: r = -0.16, p = 0.03, PI vs CP: 0.29, p < 10-3), ຊຶ່ງຊີ້ໃຫ້ເຫັນວ່າ CP ເພີ່ມຂຶ້ນດ້ວຍຄວາມອ່ອນໄຫວ ແລະ ເພີ່ມຂຶ້ນຢ່າງເປັນອິດສະຫຼະກັບ PI.两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI 与CP：r = 0.23，p < 0.01； CP：弛猴孈-0.16, p = 0.03,PI ທຽບກັບ CP: 0.29, p < 10-3), 表明CP 随灵敏度增加而增加，并且以独立方式随PI墊。两个偏相关系数均显着（猴子N：阈值与CP：r = -0.13，p = 0.04，PI = 0.03，PI vs CP：0.29，p <10-3明CP），表 Оба частных коэффициента корреляции были значимыми (обезьяна N: порог против CP: r = -0,13, p = 0,04, p в 0,04, p. < 0,01 ; чувствительностью и увеличивалась с PI независимым образом. ສຳປະສິດສະຫະສຳພັນບາງສ່ວນທັງສອງແມ່ນມີຄວາມສຳຄັນ (ລີງ N: ຄ່າຂອບເຂດ vs. CP: r=-0.13, p=0.04, PI vs. CP: r=0.23, p<0.01; ລີງ S: ຄ່າຂອບເຂດ vs. CP: r = -0.16, p = 0.03, PI vs CP: 0.29, p < 10-3), ຊີ້ບອກວ່າ CP ເພີ່ມຂຶ້ນດ້ວຍຄວາມອ່ອນໄຫວ ແລະ ເພີ່ມຂຶ້ນດ້ວຍ PI ໃນລັກສະນະທີ່ເປັນເອກະລາດ.
ພວກເຮົາໄດ້ບັນທຶກກິດຈະກຳດຽວໃນພື້ນທີ່ MT, ແລະລີງໄດ້ລາຍງານການຮັບຮູ້ຂອງພວກມັນກ່ຽວກັບຮູບແບບທີ່ອາດຈະປະກົດວ່າເປັນການເຄື່ອນໄຫວທີ່ສອດຄ່ອງກັນ ຫຼື ໂປ່ງໃສ. ຄວາມອ່ອນໄຫວຂອງເຊວປະສາດຕໍ່ກັບສັນຍານການແບ່ງສ່ວນທີ່ເພີ່ມເຂົ້າໃນການຮັບຮູ້ທີ່ມີອະຄະຕິແຕກຕ່າງກັນຢ່າງກວ້າງຂວາງ ແລະ ຖືກກຳນົດ, ຢ່າງໜ້ອຍກໍບາງສ່ວນ, ໂດຍຄວາມສຳພັນລະຫວ່າງທິດທາງທີ່ຕ້ອງການຂອງໜ່ວຍ ແລະ ທິດທາງຂອງການເຄື່ອນໄຫວຂອງການກະຕຸ້ນ. ໃນປະຊາກອນທັງໝົດ, ຄວາມອ່ອນໄຫວຂອງເຊວປະສາດແມ່ນຕໍ່າກວ່າຄວາມອ່ອນໄຫວທາງຈິດໃຈຢ່າງຫຼວງຫຼາຍ, ເຖິງແມ່ນວ່າໜ່ວຍທີ່ມີຄວາມອ່ອນໄຫວທີ່ສຸດກົງກັນ ຫຼື ເກີນຄວາມອ່ອນໄຫວທາງດ້ານພຶດຕິກຳຕໍ່ກັບສັນຍານການແບ່ງສ່ວນ. ນອກຈາກນັ້ນ, ຍັງມີຄວາມແปรປ່ວນທີ່ສຳຄັນລະຫວ່າງຄວາມຖີ່ຂອງການຍິງ ແລະ ການຮັບຮູ້, ເຊິ່ງຊີ້ໃຫ້ເຫັນວ່າສັນຍານ MT ມີບົດບາດໃນການແບ່ງສ່ວນ. ຈຸລັງທີ່ມີທິດທາງທີ່ຕ້ອງການໄດ້ເພີ່ມປະສິດທິພາບຄວາມອ່ອນໄຫວຂອງພວກມັນຕໍ່ກັບຄວາມແຕກຕ່າງໃນສັນຍານການແບ່ງສ່ວນແບບແລດຕິຊ ແລະ ມີແນວໂນ້ມທີ່ຈະສົ່ງສັນຍານການເຄື່ອນໄຫວທົ່ວໂລກໃນການກະຕຸ້ນທີ່ມີຫຼາຍທິດທາງທ້ອງຖິ່ນ, ສະແດງໃຫ້ເຫັນເຖິງຄວາມສຳພັນຂອງການຮັບຮູ້ທີ່ສູງທີ່ສຸດ. ໃນທີ່ນີ້ພວກເຮົາພິຈາລະນາບັນຫາທີ່ອາດເກີດຂຶ້ນບາງຢ່າງກ່ອນທີ່ຈະປຽບທຽບຜົນໄດ້ຮັບເຫຼົ່ານີ້ກັບວຽກງານທີ່ຜ່ານມາ.
ບັນຫາໃຫຍ່ຂອງການຄົ້ນຄວ້າໂດຍໃຊ້ສິ່ງກະຕຸ້ນທີ່ມີຄວາມຍືດຫຍຸ່ນໃນແບບຈຳລອງສັດແມ່ນວ່າການຕອບສະໜອງທາງພຶດຕິກຳອາດຈະບໍ່ອີງໃສ່ມິຕິທີ່ສົນໃຈ. ຕົວຢ່າງ, ລີງຂອງພວກເຮົາສາມາດລາຍງານການຮັບຮູ້ຂອງພວກມັນກ່ຽວກັບທິດທາງຂອງໂຄງສ້າງໂດຍບໍ່ຂຶ້ນກັບການຮັບຮູ້ຂອງພວກມັນກ່ຽວກັບຄວາມສອດຄ່ອງຂອງໂຄງສ້າງ. ສອງດ້ານຂອງຂໍ້ມູນຊີ້ໃຫ້ເຫັນວ່ານີ້ບໍ່ແມ່ນກໍລະນີ. ຫນ້າທໍາອິດ, ອີງຕາມບົດລາຍງານກ່ອນໜ້ານີ້, ການປ່ຽນແປງມຸມທິດທາງທີ່ກ່ຽວຂ້ອງຂອງອົງປະກອບຂອງອາເຣແຍກອອກໄດ້ປ່ຽນແປງຄວາມເປັນໄປໄດ້ຂອງການຮັບຮູ້ທີ່ສອດຄ່ອງກັນຢ່າງເປັນລະບົບ. ອັນທີສອງ, ໂດຍສະເລ່ຍແລ້ວ, ຜົນກະທົບແມ່ນຄືກັນສໍາລັບຮູບແບບທີ່ມີຫຼືບໍ່ມີສັນຍານໂຄງສ້າງ. ເມື່ອພິຈາລະນາຮ່ວມກັນ, ການສັງເກດເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນວ່າການຕອບສະໜອງຂອງລີງສະທ້ອນໃຫ້ເຫັນເຖິງການຮັບຮູ້ຂອງພວກມັນກ່ຽວກັບການເຊື່ອມຕໍ່/ຄວາມໂປ່ງໃສຢ່າງຕໍ່ເນື່ອງ.
ບັນຫາທີ່ອາດເກີດຂຶ້ນອີກອັນໜຶ່ງແມ່ນພວກເຮົາຍັງບໍ່ທັນໄດ້ເພີ່ມປະສິດທິພາບຂອງຕົວກໍານົດການເຄື່ອນໄຫວຂອງຕາຂ່າຍໄຟຟ້າສຳລັບສະຖານະການສະເພາະ. ໃນວຽກງານຫຼາຍໆຢ່າງທີ່ຜ່ານມາທີ່ປຽບທຽບຄວາມອ່ອນໄຫວຂອງປະສາດ ແລະ ຈິດຕະວິທະຍາ, ການກະຕຸ້ນໄດ້ຖືກຄັດເລືອກເປັນສ່ວນບຸກຄົນສຳລັບແຕ່ລະຫົວໜ່ວຍທີ່ລົງທະບຽນ [31, 32, 34, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45]. ໃນທີ່ນີ້ພວກເຮົາໄດ້ໃຊ້ສອງທິດທາງການເຄື່ອນໄຫວດຽວກັນຂອງຮູບແບບຕາຂ່າຍໄຟຟ້າໂດຍບໍ່ຄໍານຶງເຖິງການປັບທິດທາງຂອງແຕ່ລະຈຸລັງ. ການອອກແບບນີ້ຊ່ວຍໃຫ້ພວກເຮົາສຶກສາວ່າຄວາມອ່ອນໄຫວປ່ຽນແປງແນວໃດດ້ວຍການຊ້ອນກັນລະຫວ່າງການເຄື່ອນໄຫວຕາຂ່າຍໄຟຟ້າ ແລະ ທິດທາງທີ່ຕ້ອງການ, ແນວໃດກໍ່ຕາມ, ມັນບໍ່ໄດ້ໃຫ້ພື້ນຖານກ່ອນໜ້ານີ້ສໍາລັບການກໍານົດວ່າຈຸລັງມັກຕາຂ່າຍໄຟຟ້າທີ່ສອດຄ່ອງກັນ ຫຼື ໂປ່ງໃສ. ດັ່ງນັ້ນ, ພວກເຮົາອີງໃສ່ເງື່ອນໄຂຕາມປະສົບການ, ໂດຍໃຊ້ການຕອບສະໜອງຂອງແຕ່ລະຈຸລັງຕໍ່ກັບຕາຂ່າຍໄຟຟ້າທີ່ມີໂຄງສ້າງ, ເພື່ອກໍານົດຄວາມມັກ ແລະ ປ້າຍສູນໃຫ້ກັບແຕ່ລະປະເພດຂອງການເຄື່ອນໄຫວຕາຂ່າຍໄຟຟ້າ. ເຖິງແມ່ນວ່າບໍ່น่าຈະເປັນໄປໄດ້, ແຕ່ສິ່ງນີ້ອາດຈະບິດເບືອນຜົນໄດ້ຮັບຂອງການວິເຄາະຄວາມອ່ອນໄຫວ ແລະ ການກວດຈັບສັນຍານ CP ຂອງພວກເຮົາຢ່າງເປັນລະບົບ, ເຊິ່ງອາດຈະປະເມີນມາດຕະການໃດໆເກີນຈິງ. ແນວໃດກໍ່ຕາມ, ຫຼາຍດ້ານຂອງການວິເຄາະ ແລະ ຂໍ້ມູນທີ່ໄດ້ກ່າວມາຂ້າງລຸ່ມນີ້ຊີ້ໃຫ້ເຫັນວ່ານີ້ບໍ່ແມ່ນກໍລະນີ.
ທຳອິດ, ການກຳນົດຊື່ທີ່ຕ້ອງການ (null) ໃຫ້ກັບສິ່ງກະຕຸ້ນທີ່ເຮັດໃຫ້ເກີດກິດຈະກຳຫຼາຍກວ່າ (ໜ້ອຍກວ່າ) ບໍ່ໄດ້ສົ່ງຜົນກະທົບຕໍ່ຄວາມແຕກຕ່າງລະຫວ່າງການແຈກຢາຍການຕອບສະໜອງເຫຼົ່ານີ້. ແທນທີ່ຈະ, ມັນພຽງແຕ່ຮັບປະກັນວ່າໜ້າທີ່ທາງດ້ານ neurometric ແລະ psychometric ມີເຄື່ອງໝາຍດຽວກັນ, ດັ່ງນັ້ນພວກມັນສາມາດປຽບທຽບໄດ້ໂດຍກົງ. ອັນທີສອງ, ຄຳຕອບທີ່ໃຊ້ເພື່ອຄິດໄລ່ CP (ການທົດລອງ "ຜິດ" ສຳລັບ gratings ທີ່ມີໂຄງສ້າງ ແລະ ການທົດລອງທັງໝົດສຳລັບ gratings ທີ່ບໍ່ມີຄວາມແຕກຕ່າງຂອງໂຄງສ້າງ) ບໍ່ໄດ້ຖືກລວມເຂົ້າໃນການວິເຄາະການຖົດຖອຍທີ່ກຳນົດວ່າແຕ່ລະເຊວ "ມັກ" ກິລາທີ່ເຊື່ອມຕໍ່ ຫຼື ໂປ່ງໃສ. ສິ່ງນີ້ຮັບປະກັນວ່າຜົນກະທົບຂອງການເລືອກບໍ່ມີອະຄະຕິຕໍ່ການກຳນົດທີ່ຕ້ອງການ/ບໍ່ຖືກຕ້ອງ, ເຊິ່ງສົ່ງຜົນໃຫ້ມີຄວາມເປັນໄປໄດ້ໃນການເລືອກທີ່ສຳຄັນ.
ການສຶກສາຂອງ Newsom ແລະເພື່ອນຮ່ວມງານຂອງລາວ [36, 39, 46, 47] ແມ່ນຄັ້ງທຳອິດທີ່ກຳນົດບົດບາດຂອງ MT ໃນການປະເມີນທິດທາງການເຄື່ອນໄຫວໂດຍປະມານ. ບົດລາຍງານຕໍ່ມາໄດ້ເກັບກຳຂໍ້ມູນກ່ຽວກັບການເຂົ້າຮ່ວມຂອງ MT ໃນຄວາມເລິກ 34, 44, 48, 49, 50, 51 ແລະຄວາມໄວ 32, 52, ທິດທາງທີ່ດີ 33 ແລະ ການຮັບຮູ້ໂຄງສ້າງ 3D ຈາກການເຄື່ອນໄຫວ 31, 53, 54 (ປ່າໄມ້ແບບຍືນຍົງ 3D). ພວກເຮົາຂະຫຍາຍຜົນໄດ້ຮັບເຫຼົ່ານີ້ໃນສອງວິທີທີ່ສຳຄັນ. ທຳອິດ, ພວກເຮົາສະໜອງຫຼັກຖານທີ່ວ່າການຕອບສະໜອງຂອງ MT ປະກອບສ່ວນເຂົ້າໃນການແບ່ງສ່ວນການຮັບຮູ້ຂອງສັນຍານ visuomotor. ອັນທີສອງ, ພວກເຮົາໄດ້ສັງເກດເຫັນຄວາມສຳພັນລະຫວ່າງການເລືອກທິດທາງຂອງໂໝດ MT ແລະສັນຍານການເລືອກນີ້.
ໃນດ້ານແນວຄິດ, ຜົນໄດ້ຮັບໃນປະຈຸບັນແມ່ນຄ້າຍຄືກັນກັບວຽກງານກ່ຽວກັບ 3-D SFM, ຍ້ອນວ່າທັງສອງແມ່ນການຮັບຮູ້ແບບ bistable ທີ່ສັບສົນທີ່ກ່ຽວຂ້ອງກັບການເຄື່ອນໄຫວ ແລະ ການຈັດລຽງຄວາມເລິກ. Dodd et al.31 ພົບເຫັນຄວາມເປັນໄປໄດ້ໃນການເລືອກທີ່ໃຫຍ່ (0.67) ໃນໜ້າວຽກຂອງລີງທີ່ລາຍງານທິດທາງການໝູນຂອງກະບອກ 3D SFM ແບບ bistable. ພວກເຮົາພົບຜົນກະທົບຂອງການເລືອກທີ່ນ້ອຍກວ່າຫຼາຍສຳລັບການກະຕຸ້ນຕາຂ່າຍ bistable (ປະມານ 0.55 ສຳລັບລີງທັງສອງ). ເນື່ອງຈາກການປະເມີນ CP ແມ່ນຂຶ້ນກັບສຳປະສິດການເລືອກ, ມັນຍາກທີ່ຈະຕີຄວາມ CP ທີ່ໄດ້ຮັບພາຍໃຕ້ເງື່ອນໄຂທີ່ແຕກຕ່າງກັນໃນໜ້າວຽກທີ່ແຕກຕ່າງກັນ. ຢ່າງໃດກໍຕາມ, ຂະໜາດຂອງຜົນກະທົບຂອງການເລືອກທີ່ພວກເຮົາສັງເກດເຫັນແມ່ນຄືກັນສຳລັບຕາຂ່າຍທີ່ມີຄວາມຄົມຊັດຂອງໂຄງສ້າງສູນ ແລະ ຕ່ຳ, ແລະ ເມື່ອພວກເຮົາລວມການກະຕຸ້ນທີ່ມີຄວາມຄົມຊັດຂອງໂຄງສ້າງຕ່ຳ/ບໍ່ມີເພື່ອເພີ່ມພະລັງງານ. ດັ່ງນັ້ນ, ຄວາມແຕກຕ່າງໃນ CP ນີ້ບໍ່น่าຈະເປັນຍ້ອນຄວາມແຕກຕ່າງໃນອັດຕາການເລືອກລະຫວ່າງຊຸດຂໍ້ມູນ.
ການປ່ຽນແປງເລັກນ້ອຍໃນອັດຕາການຍິງຂອງ MT ທີ່ມາພ້ອມກັບການຮັບຮູ້ໃນກໍລະນີສຸດທ້າຍເບິ່ງຄືວ່າເປັນເລື່ອງທີ່ໜ້າງຶດງໍ້ເມື່ອທຽບກັບສະພາບການຮັບຮູ້ທີ່ຮຸນແຮງ ແລະ ແຕກຕ່າງກັນໃນດ້ານຄຸນນະພາບທີ່ເກີດຈາກການກະຕຸ້ນ SFM 3-D ແລະ ໂຄງສ້າງຕາຂ່າຍໄຟຟ້າ bistable. ຄວາມເປັນໄປໄດ້ອັນໜຶ່ງແມ່ນວ່າພວກເຮົາປະເມີນຜົນກະທົບຂອງການເລືອກຕໍ່າເກີນໄປໂດຍການຄິດໄລ່ອັດຕາການຍິງຕະຫຼອດໄລຍະເວລາຂອງການກະຕຸ້ນ. ກົງກັນຂ້າມກັບກໍລະນີຂອງ 31 3-D SFM, ບ່ອນທີ່ຄວາມແຕກຕ່າງໃນກິດຈະກໍາ MT ພັດທະນາປະມານ 250 ms ໃນການທົດລອງແລະຫຼັງຈາກນັ້ນເພີ່ມຂຶ້ນຢ່າງຕໍ່ເນື່ອງຕະຫຼອດການທົດລອງ, ການວິເຄາະຂອງພວກເຮົາກ່ຽວກັບການເຄື່ອນໄຫວທາງເວລາຂອງສັນຍານການຄັດເລືອກ (ເບິ່ງ 500 ms ຫຼັງຈາກການເລີ່ມຕົ້ນຂອງການກະຕຸ້ນໃນລີງທັງສອງໂຕ). ນອກຈາກນັ້ນ, ຫຼັງຈາກການເພີ່ມຂຶ້ນຢ່າງໄວວາໃນໄລຍະນີ້, ພວກເຮົາໄດ້ສັງເກດເຫັນການປ່ຽນແປງຂອງ CP ໃນລະຫວ່າງສ່ວນທີ່ເຫຼືອຂອງການທົດລອງ. Hupe ແລະ Rubin ລາຍງານວ່າການຮັບຮູ້ຂອງມະນຸດກ່ຽວກັບອາເຣຮູບສີ່ແຈສາກ bistable ມັກຈະປ່ຽນແປງໃນລະຫວ່າງການທົດລອງທີ່ຍາວນານ. ເຖິງແມ່ນວ່າການກະຕຸ້ນຂອງພວກເຮົາໄດ້ຖືກນໍາສະເຫນີພຽງແຕ່ 1.5 ວິນາທີ, ການຮັບຮູ້ຂອງລີງຂອງພວກເຮົາຍັງສາມາດແຕກຕ່າງກັນໄປຈາກຄວາມສອດຄ່ອງໄປສູ່ຄວາມໂປ່ງໃສໃນລະຫວ່າງການທົດລອງ (ການຕອບສະໜອງຂອງພວກມັນສະທ້ອນໃຫ້ເຫັນເຖິງການຮັບຮູ້ສຸດທ້າຍຂອງພວກມັນທີ່ການເລືອກ cue.) ດັ່ງນັ້ນ, ຮຸ່ນເວລາປະຕິກິລິຍາຂອງວຽກງານຂອງພວກເຮົາ, ຫຼືແຜນການທີ່ລີງສາມາດລາຍງານການຮັບຮູ້ຂອງພວກເຂົາຢ່າງຕໍ່ເນື່ອງ, ຄາດວ່າຈະມີຜົນກະທົບຕໍ່ການເລືອກທີ່ໃຫຍ່ກວ່າ. ຄວາມເປັນໄປໄດ້ສຸດທ້າຍແມ່ນວ່າສັນຍານ MT ຖືກອ່ານແຕກຕ່າງກັນໃນສອງວຽກງານ. ເຖິງແມ່ນວ່າມັນໄດ້ຖືກຄິດມາດົນແລ້ວວ່າສັນຍານ CPU ເປັນຜົນມາຈາກການຖອດລະຫັດ sensory ແລະສຽງລົບກວນທີ່ກ່ຽວຂ້ອງ,56 Gu ແລະເພື່ອນຮ່ວມງານ57 ພົບວ່າໃນຮູບແບບການຄິດໄລ່, ຍຸດທະສາດການລວມກັນທີ່ແຕກຕ່າງກັນ, ແທນທີ່ຈະເປັນລະດັບຂອງ correlated ການປ່ຽນແປງ, ສາມາດອະທິບາຍ CPU ໄດ້ດີຂຶ້ນໃນສື່ dorsal - ເຊວປະສາດຊົ່ວຄາວທີ່ດີກວ່າ. ໜ້າວຽກຮັບຮູ້ທິດທາງການປ່ຽນແປງແຜ່ນ (MSTd). ຜົນກະທົບການເລືອກທີ່ນ້ອຍກວ່າທີ່ພວກເຮົາສັງເກດເຫັນໃນ MT ອາດຈະສະທ້ອນເຖິງການລວມຕົວຢ່າງກວ້າງຂວາງຂອງເຊວປະສາດທີ່ມີຂໍ້ມູນຕ່ຳຫຼາຍອັນເພື່ອສ້າງການຮັບຮູ້ຄວາມສອດຄ່ອງ ຫຼື ຄວາມໂປ່ງໃສ. ໃນກໍລະນີໃດກໍ່ຕາມທີ່ສັນຍານການເຄື່ອນໄຫວໃນທ້ອງຖິ່ນຖືກຈັດເປັນກຸ່ມວັດຖຸໜຶ່ງ ຫຼື ສອງວັດຖຸ (ຕາຂ່າຍ bistable) ຫຼື ໜ້າດິນແຍກຕ່າງຫາກຂອງວັດຖຸທົ່ວໄປ (3-D SFM), ຫຼັກຖານເອກະລາດວ່າການຕອບສະໜອງ MT ມີຄວາມກ່ຽວຂ້ອງຢ່າງຫຼວງຫຼາຍກັບການຕັດສິນການຮັບຮູ້, ມີການຕອບສະໜອງ MT ທີ່ເຂັ້ມແຂງ. ມັນໄດ້ຖືກສະເໜີໃຫ້ມີບົດບາດໃນການແບ່ງສ່ວນຮູບພາບທີ່ສັບສົນອອກເປັນສາກຫຼາຍວັດຖຸໂດຍໃຊ້ຂໍ້ມູນການເຄື່ອນໄຫວທາງສາຍຕາ.
ດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງ, ພວກເຮົາແມ່ນຜູ້ທຳອິດທີ່ລາຍງານຄວາມສຳພັນລະຫວ່າງກິດຈະກຳຂອງເຊວຮູບແບບ MT ແລະ ການຮັບຮູ້. ດັ່ງທີ່ໄດ້ກຳນົດໄວ້ໃນຮູບແບບສອງຂັ້ນຕອນເດີມໂດຍ Movshon ແລະ ເພື່ອນຮ່ວມງານ, ໜ່ວຍໂໝດແມ່ນຂັ້ນຕອນຜົນຜະລິດຂອງ MT. ຢ່າງໃດກໍຕາມ, ວຽກງານທີ່ຜ່ານມາໄດ້ສະແດງໃຫ້ເຫັນວ່າເຊວໂໝດ ແລະ ອົງປະກອບເປັນຕົວແທນຂອງຈຸດສິ້ນສຸດທີ່ແຕກຕ່າງກັນຂອງຄວາມຕໍ່ເນື່ອງ ແລະ ຄວາມແຕກຕ່າງຂອງພາລາມິເຕີໃນໂຄງສ້າງຂອງພາກສະໜາມຮັບແມ່ນຮັບຜິດຊອບຕໍ່ລະດັບການປັບແຕ່ງຂອງອົງປະກອບໂໝດ. ດັ່ງນັ້ນ, ພວກເຮົາພົບຄວາມສຳພັນທີ່ສຳຄັນລະຫວ່າງ CP ແລະ PI, ຄ້າຍຄືກັບຄວາມສຳພັນລະຫວ່າງຄວາມສົມມາດການປັບຄວາມບໍ່ຖືກຕ້ອງຂອງກ້ອງສ່ອງທາງໄກ ແລະ CP ໃນໜ້າວຽກຮັບຮູ້ຄວາມເລິກ ຫຼື ການຕັ້ງຄ່າການກຳນົດທິດທາງໃນໜ້າວຽກການຈຳແນກທິດທາງທີ່ລະອຽດ. ຄວາມສຳພັນລະຫວ່າງເອກະສານ ແລະ CP 33. Wang ແລະ Movshon62 ໄດ້ວິເຄາະເຊວຈຳນວນຫຼວງຫຼາຍທີ່ມີການເລືອກທິດທາງ MT ແລະ ພົບວ່າໂດຍສະເລ່ຍແລ້ວ, ດັດຊະນີໂໝດແມ່ນກ່ຽວຂ້ອງກັບຄຸນສົມບັດການປັບແຕ່ງຫຼາຍຢ່າງ, ຊີ້ໃຫ້ເຫັນວ່າການເລືອກໂໝດມີຢູ່ໃນສັນຍານປະເພດອື່ນໆຫຼາຍຊະນິດທີ່ສາມາດອ່ານໄດ້ຈາກປະຊາກອນ MT. ດັ່ງນັ້ນ, ສຳລັບການສຶກສາໃນອະນາຄົດກ່ຽວກັບຄວາມສຳພັນລະຫວ່າງກິດຈະກຳ MT ແລະ ການຮັບຮູ້ແບບອັດຕະວິໄນ, ມັນຈະເປັນສິ່ງສຳຄັນທີ່ຈະຕ້ອງກຳນົດວ່າດັດຊະນີຮູບແບບມີຄວາມສຳພັນຄ້າຍຄືກັນກັບສັນຍານການຄັດເລືອກວຽກງານ ແລະ ການກະຕຸ້ນອື່ນໆ, ຫຼືວ່າຄວາມສຳພັນນີ້ແມ່ນສະເພາະກັບກໍລະນີຂອງການແບ່ງສ່ວນການຮັບຮູ້.
ໃນລັກສະນະດຽວກັນ, Nienborg ແລະ Cumming 42 ພົບວ່າເຖິງແມ່ນວ່າຈຸລັງໃກ້ ແລະ ໄກທີ່ເລືອກສຳລັບຄວາມບໍ່ກົງກັນຂອງກ້ອງສ່ອງທາງໄກໃນ V2 ມີຄວາມອ່ອນໄຫວເທົ່າທຽມກັນໃນວຽກງານການຈຳແນກຄວາມເລິກ, ແຕ່ມີພຽງປະຊາກອນຈຸລັງທີ່ມັກໃກ້ເທົ່ານັ້ນທີ່ສະແດງ CP ທີ່ສຳຄັນ. ຢ່າງໃດກໍຕາມ, ການຝຶກອົບຮົມລີງຄືນໃໝ່ໃຫ້ມີນ້ຳໜັກຄວາມແຕກຕ່າງທາງໄກທີ່ສຳຄັນເຮັດໃຫ້ CP ທີ່ສຳຄັນໃນກະຕ່າທີ່ມັກຫຼາຍກວ່າ. ການສຶກສາອື່ນໆຍັງໄດ້ລາຍງານວ່າປະຫວັດການຝຶກອົບຮົມແມ່ນຂຶ້ນກັບສະຫະສຳພັນການຮັບຮູ້ 34,40,63 ຫຼື ຄວາມສຳພັນທາງສາເຫດລະຫວ່າງກິດຈະກຳ MT ແລະ ການຈຳແນກທີ່ແຕກຕ່າງກັນ 48. ຄວາມສຳພັນທີ່ພວກເຮົາສັງເກດເຫັນລະຫວ່າງ CP ແລະ ການເລືອກທິດທາງຂອງລະບົບການກຳຈັດອາດຈະສະທ້ອນເຖິງຍຸດທະສາດສະເພາະທີ່ລີງໃຊ້ເພື່ອແກ້ໄຂບັນຫາຂອງພວກເຮົາ, ແລະ ບໍ່ແມ່ນບົດບາດສະເພາະຂອງສັນຍານການເລືອກຮູບແບບໃນການຮັບຮູ້ທາງສາຍຕາ-ມໍເຕີ. ໃນວຽກງານໃນອະນາຄົດ, ມັນຈະເປັນສິ່ງສຳຄັນທີ່ຈະກຳນົດວ່າປະຫວັດການຮຽນຮູ້ມີຜົນກະທົບທີ່ສຳຄັນຕໍ່ການກຳນົດວ່າສັນຍານ MT ໃດທີ່ຖືກໃຫ້ນ້ຳໜັກຢ່າງເໝາະສົມ ແລະ ຍືດຫຍຸ່ນເພື່ອຕັດສິນໃຈແບ່ງສ່ວນ.
Stoner ແລະເພື່ອນຮ່ວມງານ14,23 ແມ່ນຜູ້ທຳອິດທີ່ລາຍງານວ່າການປ່ຽນແປງຄວາມສະຫວ່າງຂອງພື້ນທີ່ຕາຂ່າຍທີ່ຊ້ອນກັນມີຜົນກະທົບຕໍ່ຄວາມສອດຄ່ອງ ແລະ ຄວາມໂປ່ງໃສຂອງບົດລາຍງານຂອງຜູ້ສັງເກດການຂອງມະນຸດ ແລະ ການປັບທິດທາງໃນເຊວປະສາດ MT ຂອງລີງມາແຄກ. ຜູ້ຂຽນພົບວ່າເມື່ອຄວາມສະຫວ່າງຂອງພື້ນທີ່ທີ່ຊ້ອນກັນກົງກັບຄວາມໂປ່ງໃສທາງຮ່າງກາຍ, ຜູ້ສັງເກດການລາຍງານການຮັບຮູ້ທີ່ໂປ່ງໃສຫຼາຍຂຶ້ນ, ໃນຂະນະທີ່ເຊວປະສາດ MT ສັນຍານການເຄື່ອນໄຫວຂອງອົງປະກອບຣາສເຕີ. ໃນທາງກົງກັນຂ້າມ, ເມື່ອຄວາມສະຫວ່າງທີ່ຊ້ອນກັນ ແລະ ການຊ້ອນກັນທີ່ໂປ່ງໃສບໍ່ເຂົ້າກັນທາງຮ່າງກາຍ, ຜູ້ສັງເກດການຮັບຮູ້ການເຄື່ອນໄຫວທີ່ສອດຄ່ອງກັນ, ແລະເຊວປະສາດ MT ສັນຍານການເຄື່ອນໄຫວທົ່ວໂລກຂອງຮູບແບບ. ດັ່ງນັ້ນ, ການສຶກສາເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນວ່າການປ່ຽນແປງທາງດ້ານຮ່າງກາຍໃນການກະຕຸ້ນທາງສາຍຕາທີ່ມີອິດທິພົນຕໍ່ບົດລາຍງານການແບ່ງສ່ວນຢ່າງໜ້າເຊື່ອຖືຍັງກະຕຸ້ນການປ່ຽນແປງທີ່ຄາດເດົາໄດ້ໃນການກະຕຸ້ນ MT. ວຽກງານທີ່ຜ່ານມາໃນຂົງເຂດນີ້ໄດ້ສຳຫຼວດວ່າສັນຍານ MT ໃດຕິດຕາມຮູບລັກສະນະການຮັບຮູ້ຂອງການກະຕຸ້ນທີ່ສັບສົນ18,24,64. ຕົວຢ່າງ, ກຸ່ມຍ່ອຍຂອງເຊວປະສາດ MT ໄດ້ສະແດງໃຫ້ເຫັນວ່າມີການປັບ bimodal ກັບແຜນທີ່ການເຄື່ອນໄຫວຈຸດແບບສຸ່ມ (RDK) ທີ່ມີສອງທິດທາງທີ່ມີໄລຍະຫ່າງໜ້ອຍກວ່າ RDK ທິດທາງດຽວ. ແບນວິດຂອງການປັບເຊວ 19, 25. ຜູ້ສັງເກດການມັກເຫັນຮູບແບບທຳອິດເປັນການເຄື່ອນໄຫວທີ່ໂປ່ງໃສສະເໝີ, ເຖິງແມ່ນວ່າເຊວປະສາດ MT ສ່ວນໃຫຍ່ສະແດງການປັບຕົວແບບ unimodal ເພື່ອຕອບສະໜອງຕໍ່ການກະຕຸ້ນເຫຼົ່ານີ້, ແລະຄ່າສະເລ່ຍງ່າຍໆຂອງເຊວ MT ທັງໝົດໃຫ້ການຕອບສະໜອງຂອງປະຊາກອນ unimodal. ດັ່ງນັ້ນ, ກຸ່ມຍ່ອຍຂອງເຊວທີ່ສະແດງການປັບຕົວແບບ bimodal ອາດຈະປະກອບເປັນຊັ້ນໃຕ້ດິນຂອງເຊວປະສາດສຳລັບການຮັບຮູ້ນີ້. ໜ້າສົນໃຈ, ໃນ marmosets, ປະຊາກອນນີ້ກົງກັບເຊວ PDS ເມື່ອທົດສອບໂດຍໃຊ້ຕາຂ່າຍໄຟຟ້າ ແລະ ການກະຕຸ້ນແບບ grid ແບບທຳມະດາ.
ຜົນໄດ້ຮັບຂອງພວກເຮົາກ້າວໄປອີກຂັ້ນໜຶ່ງກ່ວາຂ້າງເທິງ, ເຊິ່ງມີຄວາມສຳຄັນຕໍ່ການສ້າງຕັ້ງບົດບາດຂອງ MT ໃນການແບ່ງສ່ວນການຮັບຮູ້. ໃນຄວາມເປັນຈິງ, ການແບ່ງສ່ວນແມ່ນປະກົດການທາງອັດຕະວິໄນ. ການສະແດງພາບທີ່ຄົງທີ່ຫຼາຍຄັ້ງສະແດງໃຫ້ເຫັນເຖິງຄວາມສາມາດຂອງລະບົບພາບໃນການຈັດລະບຽບ ແລະ ຕີຄວາມໝາຍການກະຕຸ້ນທີ່ຍືນຍົງໃນຫຼາຍກວ່າໜຶ່ງວິທີ. ການເກັບກຳການຕອບສະໜອງຂອງລະບົບປະສາດ ແລະ ບົດລາຍງານການຮັບຮູ້ພ້ອມໆກັນໃນການສຶກສາຂອງພວກເຮົາຊ່ວຍໃຫ້ພວກເຮົາສາມາດຄົ້ນຫາຄວາມແປປ່ວນຮ່ວມລະຫວ່າງອັດຕາການຍິງ MT ແລະ ການຕີຄວາມໝາຍການຮັບຮູ້ຂອງການກະຕຸ້ນຢ່າງຕໍ່ເນື່ອງ. ໂດຍໄດ້ສະແດງໃຫ້ເຫັນເຖິງຄວາມສຳພັນນີ້, ພວກເຮົາຮັບຮູ້ວ່າທິດທາງຂອງສາເຫດຍັງບໍ່ທັນໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນ, ນັ້ນຄື, ການທົດລອງຕື່ມອີກແມ່ນຈຳເປັນເພື່ອກຳນົດວ່າສັນຍານຂອງການແບ່ງສ່ວນການຮັບຮູ້ທີ່ພວກເຮົາສັງເກດເຫັນແມ່ນ, ດັ່ງທີ່ບາງຄົນໂຕ້ຖຽງ [65, 66, 67], ເປັນອັດຕະໂນມັດຫຼືບໍ່. ຂະບວນການດັ່ງກ່າວອີກເທື່ອໜຶ່ງເປັນຕົວແທນສັນຍານທີ່ຫຼຸດລົງທີ່ກັບຄືນສູ່ cortex ການຮັບຮູ້ຈາກພື້ນທີ່ສູງກວ່າ 68, 69, 70 (ຮູບທີ 8). ບົດລາຍງານກ່ຽວກັບສັດສ່ວນທີ່ໃຫຍ່ກວ່າຂອງຈຸລັງທີ່ເລືອກຮູບແບບໃນ MSTd71, ໜຶ່ງໃນເປົ້າໝາຍ cortical ຫຼັກຂອງ MT, ຊີ້ໃຫ້ເຫັນວ່າການຂະຫຍາຍການທົດລອງເຫຼົ່ານີ້ເພື່ອລວມເອົາການບັນທຶກ MT ແລະ MSTd ພ້ອມໆກັນຈະເປັນບາດກ້າວທຳອິດທີ່ດີໄປສູ່ການເຂົ້າໃຈເພີ່ມເຕີມກ່ຽວກັບກົນໄກການຮັບຮູ້ຂອງລະບົບປະສາດ.
ຮູບແບບສອງຂັ້ນຕອນຂອງການເລືອກທິດທາງຂອງອົງປະກອບ ແລະ ຮູບແບບ ແລະ ຜົນກະທົບທີ່ອາດເກີດຂຶ້ນຈາກຄໍາຕິຊົມຈາກເທິງລົງລຸ່ມຕໍ່ກິດຈະກໍາທີ່ກ່ຽວຂ້ອງກັບການເລືອກໃນການແປພາສາດ້ວຍເຄື່ອງຈັກ. ໃນທີ່ນີ້, ການເລືອກທິດທາງຂອງຮູບແບບ (PDS – “P”) ໃນຂັ້ນຕອນ MT ແມ່ນສ້າງຂຶ້ນໂດຍ (i) ຕົວຢ່າງຂະໜາດໃຫຍ່ຂອງຂໍ້ມູນການປ້ອນຂໍ້ມູນແບບເລືອກທິດທາງທີ່ສອດຄ່ອງກັບຄວາມໄວຂອງຮູບແບບສະເພາະ, ແລະ (ii) ການສະກັດກັ້ນການປັບແຕ່ງທີ່ເຂັ້ມແຂງ. ອົງປະກອບແບບເລືອກທິດທາງ (CDS) ຂອງຂັ້ນຕອນ MT (“C”) ມີຂອບເຂດການເກັບຕົວຢ່າງທີ່ແຄບໃນທິດທາງການປ້ອນຂໍ້ມູນ ແລະ ບໍ່ມີການສະກັດກັ້ນການປັບແຕ່ງຫຼາຍ. ການຍັບຍັ້ງທີ່ບໍ່ໄດ້ປັບແຕ່ງໃຫ້ການຄວບຄຸມກຸ່ມທັງສອງ. ລູກສອນສີຊີ້ບອກເຖິງທິດທາງຂອງອຸປະກອນທີ່ຕ້ອງການ. ເພື່ອຄວາມຊັດເຈນ, ມີພຽງແຕ່ຊຸດຍ່ອຍຂອງການເຊື່ອມຕໍ່ V1-MT ແລະ ກ່ອງເລືອກຮູບແບບ ແລະ ຮູບແບບອົງປະກອບໜຶ່ງເທົ່ານັ້ນທີ່ສະແດງ. ໃນສະພາບການຂອງການຕີຄວາມຜົນໄດ້ຮັບການປ້ອນຂໍ້ມູນ (FF) ຂອງພວກເຮົາ, ການຕັ້ງຄ່າການປ້ອນຂໍ້ມູນທີ່ກວ້າງຂວາງ ແລະ ການຍັບຍັ້ງການປັບແຕ່ງທີ່ເຂັ້ມແຂງ (ເນັ້ນໃສ່ສີແດງ) ໃນຈຸລັງ PDS ເຮັດໃຫ້ເກີດຄວາມແຕກຕ່າງຢ່າງຫຼວງຫຼາຍໃນກິດຈະກໍາເພື່ອຕອບສະໜອງຕໍ່ຮູບແບບການເຄື່ອນໄຫວຫຼາຍຢ່າງ. ໃນບັນຫາການແບ່ງສ່ວນຂອງພວກເຮົາ, ກຸ່ມນີ້ຂັບເຄື່ອນລະບົບຕ່ອງໂສ້ການຕັດສິນໃຈ ແລະ ບິດເບືອນການຮັບຮູ້. ໃນທາງກົງກັນຂ້າມ, ໃນກໍລະນີຂອງຄຳຕິຊົມ (FB), ການຕັດສິນໃຈທາງດ້ານການຮັບຮູ້ແມ່ນຖືກສ້າງຂຶ້ນໃນວົງຈອນຕົ້ນນ້ຳໂດຍຂໍ້ມູນທາງດ້ານການຮັບຮູ້ ແລະ ອະຄະຕິທາງດ້ານສະຕິປັນຍາ, ແລະຜົນກະທົບທີ່ໃຫຍ່ກວ່າຂອງ FB ລຸ່ມນ້ຳໃນຈຸລັງ PDS (ເສັ້ນໜາ) ສ້າງສັນຍານການເລືອກ. b ການສະແດງແຜນວາດຂອງຮູບແບບທາງເລືອກຂອງອຸປະກອນ CDS ແລະ PDS. ໃນທີ່ນີ້ສັນຍານ PDS ໃນ MT ແມ່ນສ້າງຂຶ້ນບໍ່ພຽງແຕ່ໂດຍການປ້ອນຂໍ້ມູນໂດຍກົງຂອງ V1 ເທົ່ານັ້ນ, ແຕ່ຍັງໂດຍການປ້ອນຂໍ້ມູນທາງອ້ອມຂອງເສັ້ນທາງ V1-V2-MT. ເສັ້ນທາງທາງອ້ອມຂອງຮູບແບບຖືກປັບເພື່ອໃຫ້ການເລືອກເຟັ້ນໃຫ້ກັບຂອບເຂດໂຄງສ້າງ (ພື້ນທີ່ຊ້ອນກັນຂອງຕາຂ່າຍໄຟຟ້າ). ໂມດູນ CDS ຊັ້ນ MT ປະຕິບັດການລວມທີ່ມີນ້ຳໜັກຂອງການປ້ອນຂໍ້ມູນໂດຍກົງ ແລະ ທາງອ້ອມ ແລະ ສົ່ງຜົນຜະລິດໄປຫາໂມດູນ PDS. PDS ຖືກຄວບຄຸມໂດຍການຍັບຍັ້ງການແຂ່ງຂັນ. ອີກເທື່ອໜຶ່ງ, ມີພຽງແຕ່ການເຊື່ອມຕໍ່ເຫຼົ່ານັ້ນເທົ່ານັ້ນທີ່ສະແດງໃຫ້ເຫັນວ່າຈຳເປັນເພື່ອແຕ້ມສະຖາປັດຕະຍະກຳພື້ນຖານຂອງຮູບແບບ. ໃນທີ່ນີ້, ກົນໄກ FF ທີ່ແຕກຕ່າງຈາກທີ່ສະເໜີໃນ a ສາມາດນຳໄປສູ່ການປ່ຽນແປງທີ່ໃຫຍ່ກວ່າໃນການຕອບສະໜອງຂອງໂຄງສ້າງຈຸລັງຕໍ່ PDS, ອີກເທື່ອໜຶ່ງນຳໄປສູ່ອະຄະຕິໃນຮູບແບບການຕັດສິນໃຈ. ອີກທາງເລືອກໜຶ່ງ, CP ທີ່ໃຫຍ່ກວ່າໃນຈຸລັງ PDS ອາດຈະຍັງເປັນຜົນມາຈາກອະຄະຕິໃນຄວາມເຂັ້ມແຂງ ຫຼື ປະສິດທິພາບຂອງການຕິດ FB ກັບຈຸລັງ PDS. ຫຼັກຖານສະໜັບສະໜູນຮູບແບບ MT PDS ສອງ ແລະ ສາມຂັ້ນຕອນ ແລະ ການຕີຄວາມໝາຍຂອງ CP FF ແລະ FB.
ລີງແມັກຄາກໂຕເຕັມໄວສອງໂຕ (macaca mulatta), ໂຕຜູ້ໜຶ່ງໂຕ ແລະ ໂຕແມ່ໜຶ່ງໂຕ (ອາຍຸ 7 ແລະ 5 ປີຕາມລຳດັບ), ມີນ້ຳໜັກຕັ້ງແຕ່ 4.5 ຫາ 9.0 ກິໂລກຣາມ, ໄດ້ຖືກນຳໃຊ້ເປັນວັດຖຸສຶກສາ. ກ່ອນການທົດລອງຜ່າຕັດທີ່ເປັນໝັນທັງໝົດ, ສັດໄດ້ຖືກຝັງຫ້ອງບັນທຶກສຽງທີ່ສ້າງຂຶ້ນເອງສຳລັບເອເລັກໂຕຣດແນວຕັ້ງທີ່ເຂົ້າຫາພື້ນທີ່ MT, ຂາຕັ້ງທີ່ເຮັດດ້ວຍເຫຼັກສະແຕນເລດ (Crist Instruments, Hagerstown, MD), ແລະ ຕຳແໜ່ງຕາທີ່ມີຂົດລວດຄົ້ນຫາ scleral ທີ່ວັດແທກໄດ້. (Cooner Wire, San Diego, California). ໂປໂຕຄອນທັງໝົດສອດຄ່ອງກັບລະບຽບຂອງກະຊວງກະສິກຳສະຫະລັດອາເມລິກາ (USDA) ແລະ ແນວທາງຂອງສະຖາບັນສຸຂະພາບແຫ່ງຊາດ (NIH) ສຳລັບການດູແລ ແລະ ການນຳໃຊ້ສັດທົດລອງທີ່ມີມະນຸດສະທຳ ແລະ ໄດ້ຮັບການອະນຸມັດຈາກຄະນະກຳມະການການດູແລ ແລະ ການນຳໃຊ້ສັດສະຖາບັນ (IAUKC) ຂອງມະຫາວິທະຍາໄລຊິຄາໂກ.
ສິ່ງກະຕຸ້ນທາງສາຍຕາທັງໝົດໄດ້ຖືກນຳສະເໜີໃນຮູຮັບແສງຮູບວົງມົນທີ່ມີພື້ນຫຼັງສີດຳ ຫຼື ສີເທົາ. ໃນລະຫວ່າງການບັນທຶກ, ຕຳແໜ່ງ ແລະ ເສັ້ນຜ່າສູນກາງຂອງຮູນີ້ໄດ້ຖືກປັບຕາມພາກສະໜາມຮັບແບບຄລາສສິກຂອງເຊວປະສາດຢູ່ປາຍເອເລັກໂຕຣດ. ພວກເຮົາໄດ້ໃຊ້ສິ່ງກະຕຸ້ນທາງສາຍຕາສອງປະເພດໃຫຍ່ໆຄື: ສິ່ງກະຕຸ້ນທາງຈິດຕະວິທະຍາ ແລະ ສິ່ງກະຕຸ້ນການປັບແຕ່ງ.
ການກະຕຸ້ນທາງຈິດຕະວິທະຍາແມ່ນຮູບແບບຕາຂ່າຍໄຟຟ້າ (20 cd/m2, ຄວາມຄົມຊັດ 50%, ວົງຈອນໜ້າທີ່ 50%, 5 ອົງສາ/ວິນາທີ) ທີ່ສ້າງຂຶ້ນໂດຍການວາງຕາຂ່າຍໄຟຟ້າຮູບສີ່ແຈສາກສອງອັນຊ້ອນກັນທີ່ລອຍໄປໃນທິດທາງທີ່ຕັ້ງສາກກັບທິດທາງຂອງມັນ (ຮູບທີ 1b). ມັນໄດ້ສະແດງໃຫ້ເຫັນກ່ອນໜ້ານີ້ວ່າຜູ້ສັງເກດການຂອງມະນຸດຮັບຮູ້ຮູບແບບຕາຂ່າຍໄຟຟ້າເຫຼົ່ານີ້ວ່າເປັນການກະຕຸ້ນແບບສອງທິດທາງ, ບາງຄັ້ງເປັນຮູບແບບດຽວທີ່ເຄື່ອນທີ່ໄປໃນທິດທາງດຽວກັນ (ການເຄື່ອນໄຫວທີ່ສອດຄ່ອງກັນ) ແລະບາງຄັ້ງເປັນສອງພື້ນຜິວແຍກຕ່າງຫາກທີ່ເຄື່ອນທີ່ໄປໃນທິດທາງທີ່ແຕກຕ່າງກັນ (ການເຄື່ອນໄຫວທີ່ໂປ່ງໃສ). ອົງປະກອບຂອງຮູບແບບຕາຂ່າຍໄຟຟ້າ, ທິດທາງທີ່ສົມມາດ - ມຸມລະຫວ່າງຕາຂ່າຍໄຟຟ້າແມ່ນຕັ້ງແຕ່ 95° ຫາ 130° (ແຕ້ມຈາກຊຸດ: 95°, 100°, 105°, 115°, 120°, 125°, 130° °, ຕະຫຼອດຊ່ວງເວລາ ເສັ້ນປະສາດມຸມໂດດດ່ຽວທີ່ 115° ບໍ່ໄດ້ຖືກຮັກສາໄວ້, ແຕ່ພວກເຮົາລວມເອົາຂໍ້ມູນທາງຈິດຕະວິທະຍາຢູ່ທີ່ນີ້) - ປະມານ 90° ຫຼື 270° (ທິດທາງຮູບແບບ). ໃນແຕ່ລະພາກ, ມີພຽງມຸມດຽວຂອງຕາຂ່າຍ interlattice ເທົ່ານັ້ນທີ່ຖືກນໍາໃຊ້; ໃນລະຫວ່າງແຕ່ລະພາກ, ທິດທາງຂອງຮູບແບບສໍາລັບແຕ່ລະການທົດລອງໄດ້ຖືກເລືອກແບບສຸ່ມຈາກສອງຄວາມເປັນໄປໄດ້.
ເພື່ອແຍກຄວາມກຳຈັດຄວາມຮັບຮູ້ຂອງຕາຂ່າຍໄຟຟ້າ ແລະ ສະໜອງພື້ນຖານທາງປະສົບການສຳລັບລາງວັນສຳລັບການກະທຳ, ພວກເຮົາແນະນຳໂຄງສ້າງຈຸດແບບສຸ່ມເຂົ້າໃນຂັ້ນຕອນແຖບແສງທີ 72 ຂອງແຕ່ລະອົງປະກອບຕາຂ່າຍໄຟຟ້າ. ສິ່ງນີ້ແມ່ນບັນລຸໄດ້ໂດຍການເພີ່ມ ຫຼື ຫຼຸດ (ໂດຍຈຳນວນທີ່ກຳນົດໄວ້) ຄວາມສະຫວ່າງຂອງຊຸດຍ່ອຍພິກເຊວທີ່ເລືອກແບບສຸ່ມ (ຮູບທີ 1c). ທິດທາງຂອງການເຄື່ອນໄຫວຂອງໂຄງສ້າງໃຫ້ສັນຍານທີ່ເຂັ້ມແຂງທີ່ປ່ຽນການຮັບຮູ້ຂອງຜູ້ສັງເກດການໄປສູ່ການເຄື່ອນໄຫວທີ່ສອດຄ່ອງ ຫຼື ໂປ່ງໃສ (ຮູບທີ 1c). ພາຍໃຕ້ເງື່ອນໄຂທີ່ສອດຄ່ອງ, ໂຄງສ້າງທັງໝົດ, ໂດຍບໍ່ຄຳນຶງເຖິງອົງປະກອບໃດຂອງການປົກຫຸ້ມຂອງໂຄງສ້າງ, ຈະຖືກແປໄປໃນທິດທາງຂອງຮູບແບບ (ຮູບທີ 1c, ສອດຄ່ອງ). ໃນສະພາບໂປ່ງໃສ, ໂຄງສ້າງຈະເຄື່ອນທີ່ຕັ້ງສາກກັບທິດທາງຂອງຕາຂ່າຍໄຟຟ້າທີ່ມັນປົກຄຸມ (ຮູບທີ 1c, ໂປ່ງໃສ) (ຮູບເງົາເສີມ 1). ເພື່ອຄວບຄຸມຄວາມສັບສົນຂອງວຽກງານ, ໃນຊ່ວງເວລາສ່ວນໃຫຍ່, ຄວາມຄົມຊັດຂອງ Michelson (Lmax-Lmin/Lmax+Lmin) ສຳລັບເຄື່ອງໝາຍໂຄງສ້າງນີ້ແຕກຕ່າງຈາກຊຸດຂອງ (-80, -40, -20, -10, -5, 0, 5). , 10, 20, 40, 80). ຄວາມຄົມຊັດຖືກນິຍາມວ່າເປັນຄວາມສະຫວ່າງທຽບເທົ່າຂອງຣາສເຕີ (ສະນັ້ນຄ່າຄວາມຄົມຊັດ 80% ຈະສົ່ງຜົນໃຫ້ໂຄງສ້າງເປັນ 36 ຫຼື 6 cd/m2). ສຳລັບ 6 ຊ່ວງເວລາໃນລີງ N ແລະ 5 ຊ່ວງເວລາໃນລີງ S, ພວກເຮົາໄດ້ໃຊ້ລະດັບຄວາມຄົມຊັດຂອງໂຄງສ້າງທີ່ແຄບກວ່າ (-30, -20, -15, -10, -5, 0, 5, 10, 15, 20, 30), ບ່ອນທີ່ລັກສະນະທາງຈິດວິທະຍາປະຕິບັດຕາມຮູບແບບດຽວກັນກັບຄວາມຄົມຊັດລະດັບເຕັມ, ແຕ່ບໍ່ມີຄວາມອີ່ມຕົວ.
ຕົວກະຕຸ້ນການປັບແຕ່ງແມ່ນຕາຂ່າຍ sinusoidal (ຄວາມຄົມຊັດ 50%, 1 ຮອບວຽນ/ອົງສາ, 5 ອົງສາ/ວິນາທີ) ທີ່ເຄື່ອນທີ່ໄປໃນທິດທາງດຽວກັນຂອງຮູບແບບໃນ 16 ທິດທາງທີ່ມີໄລຍະຫ່າງເທົ່າກັນ, ຫຼືຕາຂ່າຍ sinusoidal ທີ່ເຄື່ອນທີ່ໄປໃນທິດທາງເຫຼົ່ານີ້ (ປະກອບດ້ວຍສອງມຸມ 135° ທີ່ກົງກັນຂ້າມກັນ ແລະ ຕາຂ່າຍ sinusoidal ທີ່ວາງຊ້ອນກັນ).