科学讲座6（2023）100180用于大量生成心理物理学数据以训练和测试神经网络融合凯尔蒂湾昆塔尔？戈什？印度统计研究所软计算研究中心，印度西孟加拉邦加尔各答自动清洁装置保留字：视觉心理物理学光脉冲脑计算模型EX实验心理学A B标准这项工作描述了一种Arduino控制的设备，可以从单个受试者中生成关于核聚变的大量心理物理学数据该装置在圆孔中产生具有所需亮度的受控波形的红、绿或蓝光的光脉冲该器械有一个小键盘，用于记录受试者的反应。该设备通过在读数之间打开房间里的一盏台灯来控制黑暗适应 该设备已被校准，以找到从电压测量的亮度值，以及该设备已被用来计算心理物理学数据的闪烁融合的光脉冲的不同脉冲周期分数（PCF）和时间周期使用二进制搜索方法和方法的恒定刺激。该装置可以产生具有不同亮度值和颜色的交替脉冲的光脉冲该设备产生的大量心理物理学数据可用于训练和测试大脑计算模型。本文的视频可以在j.sctalk.2023.100180上找到。https://doi.org/10.1016/图和表产品列表1. 设备. 左侧图片显示器械未亮起，右侧图片显示器械亮起绿灯。2. PCF的图形表示示出了具有相同频率但不同PCF的三个时间序列。第一张图显示了PCF ¼的光脉冲表示 这意味着四分之一的灯亮着，四分之一的时间灯关着。3. 用键盘记录受试者的反应。如果受试者将刺激感知为闪烁，则受试者按下左侧按钮，如果受试者没有感知，则按下右侧按钮4. 该装置和键盘设置在下巴托的前面受试者在暗室中进行记录。5. 仪器中使用的LEDLED发出的光落在一个白色的丙烯酸片上，丙烯酸片可以漫射光。 丙烯酸板覆盖有不透明材料，其具有直径为14.5mm的圆形孔。光圈中所有点的亮度都是均匀的。6. 恒压源和一个接线柱用作可变电阻。所述接线盒的一端与晶体管连接，其他LED。通过LED的电流可以通过改变办公室接线盒中的电阻来改变。7. Arduino用于控制信号到LED和变阻器用作其他可变电阻。8. 开关选择子电路的LED到地面。红色、绿色和蓝色阴极可以连接到电路中的两个子电路中的任一个。该分支电路由一组2 N222晶体管，电阻并联连接，随着一个可变电阻串联。9. 用于防止黑暗适应的泛光灯实验是在一间暗室里进行的。照明灯在眼睛的位置提供了一个600l X的照明。10. 与LED串联的办公室接线盒中的电阻与与LED串联的100 Ω电阻之间的电势差之间的关系。11. 100Ω电阻上的电压与眼睛位置处亮度的关系。用Gossen Mavospot亮度计测量亮度。绘制了针对电压测量的五个亮度的中值。12. 亮度为1003cd/m2的绿光的二分查找法生成的心理物理学数据。13. 恒定刺激法产生的心理物理数据14. 心理物理学数据来自于对同一组刺激的恒定刺激的重复方法。通讯作者。电子邮件地址：keerthischandran@gmail.com（K.S. Alberran）。h tt p：//dx. 多岛或g/10。1016/j。我的天啊。20 23。1 0 0 18 0收稿日期：2022年12月15日;收稿日期：2023年2月16日;接受日期：2023年3月7日在线发布xXXX27 7 2 - 56 93/©2023TheA ut h or r. 由E lsevier L td提供。 这是一个操作过程，需要遵循C CBY指令（http：//c re ati ve c mmo ns. 或g/li ce nss/by/4. 0/）。可在ScienceDirect上获得目录列表科学讲座杂志首页：www.elsevier.es/sctalkK.S. Albertran，K.高希科学讲座6（2023）10018015. 在两个不同的日子里，一个受试者在绿光下的亮度为1003 cd/m 2的心理物理学读数的常见数据点。受试者将113个数据点归类为随机数，将102个数据点归类为两天的融合数据。受试者对13个数据点进行了不同的分类。16. 用二分搜索法得到阈值的ROC曲线在两组读数及其共同数据点上测试了其性能。阈值在对两天中常见的数据点进行分类方面做得更好，因为它在曲线下的面积稍大。17. 在同一列中不同亮度的光脉冲18. 同一列火车中不同颜色的光脉冲视频列表1. 一个示例性的闪烁刺激。闪烁刺激是一种间歇照明的光源2. 受试者在暗室中只能看到刺激物受试者根据刺激的感知按下键盘上的按钮。受试者的回答被打印在电脑上然后，立即打开照明灯4秒钟。然后将其关闭2 s，并生成新的信号该过程将继续下一个信号。3. 用于选择信号到晶体管基极的开关该信号可以是来自Arduino的恒定5 V源或编程为提供所需数字信号的Arduino引脚。 开关也可以关闭。4. 根据SPDT开关的位置，刺激在持续开启刺激、持续关闭刺激和闪烁刺激之间变化。校准和物理参数的测量可以在保持灯持续亮起后进行。5. 100Ω电阻两端的电位差随变阻器电阻的变化而6. 恒定刺激的亮度随变阻器电阻的变化而变化7. 对于通过二分搜索方法的测量，设备在随机PCF 16/20上开始测量。初始中点为36 ms。 该设备生成具有中点时间周期和PCF值的刺激。然后，受试者通过按下按钮进行分类然后根据算法更新上、下时间段以及中点。该过程继续，直到上搜索边界和下搜索边界相差1毫秒。然后，设备移动到另一个PCF 上并重复该过程。灯为绿色，亮度为1003cd/m2。8. 恒定刺激法测量心理物理数据的装置算法灯为绿色，亮度为1003cd/m2。采用二分查找法检测出的阈值作为阈值。刺激是以完全随机的顺序产生9. 我们假设被归类为模糊的反应为积极的，而被归类为融合的反应为消极的。然后，我们检查通过二进制搜索方法找到的阈值的性能，在对通过恒定刺激方法获得的第一组读数的数据进行刺激分类时。高于阈值的数据点被归类为阳性，低于阈值的数据点被归类为阴性。视频中显示了每个阈值位置的真阳性、真阴性、假阳性和假阴性的数量。10. 在同一列中不同亮度的光脉冲11. 在同一串光脉冲中不同颜色的光脉冲信用作者声明KeerthiS ran：概念化，方法论，软件，写作。昆塔尔·戈什：监督。数据可用性数据将根据要求提供2致谢作者要感谢先生的帮助 Shibsankar Roy，认知系统和网络学实验室的项目联系人，印度统计研究所机器智能部门，加尔各答。资金印度统计研究所，加尔各答。申报利益作者声明，他们没有已知的竞争性经济利益或个人关系，可能会影响本文报告的工作。引用[1] P. Wallisch 等 人 ， Psychophysics ， MATLAB for Neuroscientists ， Elsevier2014，pp. 173 https://doi.org/10.1016/B978-0-12-383836-0.00008-4。[2] S.W. 林克，心理物理学理论和法律，历史，国际百科全书的S oc ial&B eh av io ralS ci ences2 0 0 1，页。 12 4 3 9- 1 2 4 4 4，h t t p s：// d o i. 或g/10。1016/b0-08-043076-7/00676-8。[3] J. Z. 李文生，闪烁聚变现象，科学160（3823）（1968）21-28，美国科学发展协会（AAAS）。 h tt ps：//d oi. 或g/10。1126/s cie nc e. 160.3823.21。[4] S.H. 刘晓波，李晓波，等.心理学。 46（1）（1958）107 - 115，在英国法律中，或g/10。1 0 8 0/0 02 2 39 8 0. 1958. 9916274。[5] M. Liu，Y.延角，印尼-地薛湖，加-地龚，影响临界振荡器频率的因素的研究和分析，Proc.Manuf.3（2015）4279https://doi.org/10。1016/j.promfg.2015.07.417。[6] C. Landis ， 临 界 融 合 阈 值 的 决 定 因 素 ， Physiol.Rev.34 （ 2 ） （ 1954 ）259https://doi.org/10.1152/physrev。1954.34.2.259[7] T.P. 李，结电容对发光二极管上升时间和注入式激光器开启延迟的影响，贝尔系统技术。J.54（ 1 ） （ 1975 ） 53-68 ， 电 气 和 电 子 工 程 师 协 会 （ IEEE ） 。https://doi.org/10.1002/j.1538-7305.1975.tb02825。X.[8] 是的Badamasi，Arduino的工作原理，2014年第11届国际电子，计算机和计算会议（ICECCO）。2014，IEEE，2014。https://doi.org/10.1109/icecco.2014.6997578网站。[9] A. 林 ， 二 叉 搜 索 算 法 ， Wiki J 。 Sci. 2 （ 1 ） （ 2019 ） 5 ， WikiJournal UserGrouphttps://doi.org/10.15347/wjs/2019.005.[10] 恒定刺激方法，神经科学百科全书，施普林格，柏林海德堡2 0 0 9，p。 2 347，h ttp s：//do i. 或g/10。1007/97 8-3 -54 0-2 9 6 78 -2 3 464.[11] N. 克里格斯科特峰Douglas，认知计算神经科学，Nat。Neurosci. 21(9)（2018）1148https://doi.org/10。1038/s41593-018-0210-5。[12] I.古德费洛，澳-地Bengio，A. Courville，Deep Learning（Adaptive ComputationandMachine Learning Series），麻省理工学院出版社，2016。[13] N. Kriegeskorte ， Deep Neural Networks ： A New Framework for ModelingBiological Vision and Brain Information Processing ， Ann.Rev. 视 觉 科 学 1（2015）1，417-446.年度审查。https://doi.org/10.1146/annurev-vision-082114-035447网站。KuntalGhosh在印度加尔各答Saha核物理研究所担任研究学者期间获得了Jadavpur大学的博士学位，并在那里获得了生物物理科学硕士后文凭。他获得了加尔各答大学物理学理学硕士学位，并在印度加尔各答的Presidency College&Kuntal Ghosh是印度统计印度软计算研究中心的副教授。Keerthi S Bharran获得印度Santiniketan Visva- Bharati大学物理科学综合硕士学位，主修物理学。 他目前在软计算研究中心攻读博士学位，与印度加尔各答印度统计研究所认知系统和控制论实验室有联系。
我的内容管理
展开
