1 / 20

Teoría Cuántica Neural

Teoría Cuántica Neural. Un intento por derivar una función psicométrica lineal a partir a partir del supuesto de que la discriminación ocurre a lo largo de una dimensión sensorial dentro del observador compuesta de pequeños pasos discretos (cuánticos)

jafari
Download Presentation

Teoría Cuántica Neural

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Teoría Cuántica Neural • Un intento por derivar una función psicométrica lineal a partir a partir del supuesto de que la discriminación ocurre a lo largo de una dimensión sensorial dentro del observador compuesta de pequeños pasos discretos (cuánticos) • Un observador puede detectar un incremento ΔΦ, en un estímulo Φ, solo cuando es suficientemente grande como para excitar una unidad neuronal adicional. • p = estimulación excedente, Q incremento necesario para excitar una unidad neuronal adicional. • El valor de ΔΦ que es suficiente para excitar un quantum neural adicional es: ΔΦ = Q – p. • La proporción de ocasiones en que ΔΦ excitará un quantum adicional es: r1 = ΔΦ/Q. • La predicción para un umbral de dos unidades es r2 = (ΔΦ – Q)/Q

  2. Stevens y condiciones • Control cuidadoso del estímulo. • Mantener constante el criterio en la sesión (recta vs ojiva) • Transición rápida entre los estímulos estándar y de comparación.

  3. Factores no sensoriales • Dificultades con la noción de umbral absoluto • La probabilidad de ocurrencia del estímulo. • Matriz de pagos. • Sesgo de respuesta

  4. Detección de Señales: Terminología • Ensayos de ruido. • Ensayos de señal. • Tasa de hits.

  5. Tasa de falsas alarmas Tasa de hits Tasa de fallos = 1 - h Tasa de rechazos correctos = 1 - f

  6. Parámetros

  7. Supuestos de la teoría estadística de la decisión • La evidencia sobre la señal que el observador extrae del estímulo se puede representar con un solo número. • La evidencia extraída está sujeta a variación aleatoria. • La elección de la respuesta se hace aplicando un simple criterio de decisión a la magnitud de la evidencia.

  8. Modelo Gaussiano

  9. PF = 1 – Φ (λ) PH = 1 – Φ (λ - d’)

  10. PH = 1 – Φ (λ - d’) PF = 1 – Φ (λ)

  11. Estimando d’ y λ

  12. FALSE ALARM RATE: f = 46/100 = .46 λ = Φ (1-f) = Φ(1-.46)= Φ(.54) = 0.1 HIT RATE: h=82/100 = .82 cae arriba de una distribución centrada en d’ λ - d’ : Φ (h) = Φ (.82) = .915 λ queda .915 unidades debajo de d’ λ - d’ = .092 λ = z (1-f) = ; λ = -z (f); z(1-h) = λ – d’; z(h) = d’ - λ d’ =z(h) –z(f) = .915 – (-.1) = 1.015

  13. Medición del sesgo

  14. Sitios útiles http://faculty.vassar.edu/lowry/tabs.html#z http://www.statsoft.com/textbook/stathome.html?sttable.html&1 http://wise.cgu.edu/sdtmod/signal_applet.asp http://www.artsci.wustl.edu/~rabrams/psychlab/index.htm

More Related