samme brede konklusion kan nås på en anden måde: Hidtil stort set har været vores fokus på data-drevet eller bottom-up behandling. Det er vi har diskuteret, hvordan indkommende oplysninger ("data") udløser en reaktion fra funktionen detektorer, som igen udløser en reaktion ved bogstav-detektorer (eller Geon-detektorer), og så videre. Dataene tage initiativ; dataene få tingene i gang. Men der er grund til at tro, at der er mere at mønstergenkendelse end dette. Mønstergenkendelse er også påvirket af en bred mønster af viden og forventninger.
Disse påvirkninger er generelt benævnt koncept-drevet, eller sammen-down. Modeller, der omfatter både top-daggry og bottom-up komponenter er beskrevet som interaktive models.The data i det foregående afsnit angivne nogle af grænserne for selv- indeholdt, datadrevne modeller; her er en anden måde at gøre det samme generelle punkt: Vi kan fortælle emner: ". Jeg er ved at vise dig et ord meget kort på en computerskærm, ordet er navnet på noget, som du kan spise" Hvis vi tvunget emner at gætte ordet på dette tidspunkt, ville de være usandsynligt at navngive målet ord.
Men hvis vi nu vise tachistoscopically ordet, '' artiskok, '' vi er tilbøjelige til at observere et stort priming effekt, det vil sige, emner er mere tilbøjelige til at genkende "ARTISKOK" med denne cue, end de ville have været uden cue.
Kunne du lide denne artikel? Du kan skrive artikler som denne og tjene penge fra det. Det er gratis at deltage, og du kan tjene penge online, så snart du tilmelder dig. Klik på linket for at tilmelde dig med Bukisa.com og begynder at gøre nogle gode penge på internettet mere indhold på internettet ved Spill Guy:. Sådan Make Money Gratis Online < p> Lav resterende indkomst med eHow
Interaktive modeller af Pattern Recognition: Del 2 af 3