Dezelfde brede conclusie kan worden op een andere manier bereikt: Tot nu toe heeft onze focus grotendeels op data-driven of bottom-up verwerken. Dat is dat we hebben besproken hoe de binnenkomende informatie (de "data") triggers een reactie van functie detectoren, die op zijn beurt leidt tot een reactie van letter-detectoren (of Geon-detectoren), en ga zo maar door. De gegevens die het initiatief nemen; de gegevens op te halen dingen gaande. Echter, er is reden om te geloven dat er meer is patroonherkenning dan dit.
Patroonherkenning wordt ook beïnvloed door een brede patroon van kennis en verwachtingen. Deze invloeden worden meestal aangeduid als conceptgedreven of tog-down. Modellen die zowel top-dawn en bottom-up componenten omvatten worden beschreven als interactieve models.The gegevens in de vorige paragraaf is aangegeven wat de grenzen van de op zichzelf staande, data-driven modellen; Hier is een andere manier om dezelfde algemene punt te maken: We kunnen onderwerpen vertellen: ".
Ik sta op het punt om u heel kort laten een woord op een computerscherm, het woord is de naam van iets dat je kunt eten" Als we gedwongen proefpersonen raden het woord op dit punt, zouden zij waarschijnlijk het doelwoord te noemen. Maar als we nu tachistoscopically zien het woord, '' artisjok, '' we waarschijnlijk een groot priming-effect, dat wil zeggen, proefpersonen vaker met dit cue dan zij zonder de cue zou zijn geweest om te erkennen "ARTISJOK". Observeren
Wist je dit artikel leuk? U kunt artikelen als deze te schrijven en geld verdienen het. Het is gratis en je kunt geld online zodra u zich aanmeldt-up te maken. Klik op de link om Sign-up met Bukisa.com en het starten van het maken van een aantal goede geld op het internet meer inhoud op het web door Spill Guy:. Hoe Make Money Online < p> Zorg resterende inkomen met Ehow
Interactieve modellen van Pattern Recognition: deel 2 van 3