Samma breda slutsats kan nås på annat sätt: Hittills har vårt fokus till stor del legat på datadriven eller bottom-up behandling. Det är vi har diskuterat hur inkommande information ("data") utlöser en reaktion från funktionen detektorer, vilket i sin tur utlöser en reaktion från bokstavs detektorer (eller Geon-detektorer), och så vidare. Uppgifterna ta initiativ; data få saker och ting. Det finns dock anledning att tro att det finns mer att mönsterigenkänning än detta. Mönsterigenkänning påverkas även av ett brett mönster av kunskap och förväntningar.
Dessa inflytanden är allmänt kallad koncept driven, eller ihop-ner. Modeller som innefattar både topp-gryning och bottom-up komponenter beskrivs som interaktiva models.The data i föregående avsnitt anges några av gränserna för själv innehöll, datadrivna modeller; Här är ett annat sätt att göra samma allmän synpunkt: Vi kan tala om ämnen ". Jag ska visa dig ett ord mycket kortfattat på en datorskärm, ordet är namnet på något som du kan äta" Om vi tvingade ämnen för att gissa ordet på denna punkt, skulle de vara osannolikt att namnge målordet.
Men om vi nu tachistoscopically visa ordet '' kronärtskocka, '' Vi kommer sannolikt att följa en stor priming effekt, det vill säga ämnen är mer benägna att erkänna "KRONÄRTSKOCKA" med denna kö än vad de skulle ha varit utan cue.
Visste du gillar den här artikeln? Du kan skriva artiklar som denna och tjäna pengar på det. Det är gratis att gå med och du kan tjäna pengar på nätet så fort du registrerar dig. Klicka på länken för att Registrera dig med Bukisa.com och börjar göra några bra pengar på internet mer innehåll på webben genom Spill Guy. Omdömen Hur tjäna pengar gratis online Omdömen < p> Gör resterande intäkter med eHow Omdömen
Interaktiva Modeller av Pattern Recognition: Del 2 av 3