A mesma conclusão geral pode ser alcançado de outra maneira: Até agora, nosso foco tem sido em grande parte de processamento de data-driven ou bottom-up. Isso é discutimos como as informações recebidas (os "dados") desencadeia uma resposta por detectores de características, que por sua vez desencadeia uma resposta por carta-detectores (ou Geon-detectores), e assim por diante. Os dados tomar a iniciativa; os dados de começar as coisas. No entanto, não há razão para acreditar que há mais para reconhecimento de padrões do que isso.
O reconhecimento de padrões é também influenciada por um amplo padrão de conhecimento e expectativas. Estas influências são geralmente referidos como impulsionado-conceito, ou tog-baixo. Modelos que incluem tanto top-amanhecer e componentes de baixo para cima são descritos como dados models.The interativos na seção anterior indicou alguns dos limites da auto-contidas, modelos orientados a dados; aqui é uma outra maneira de fazer o mesmo ponto geral: Podemos dizer temas: ".
Estou prestes a mostrar-lhe uma palavra muito brevemente na tela do computador, a palavra é o nome de algo que você pode comer" Se forçado assuntos de adivinhar a palavra neste momento, eles seria improvável para citar a palavra-alvo. Mas se nós agora mostrar tachistoscopically a palavra '', alcachofra, '' estamos propensos a observar uma grande priming efeito, isto é, os indivíduos são mais propensos a reconhecer "ARTICHOKE" com esta sugestão do que teria sido sem a sugestão.
Você gostou deste artigo? Você pode escrever artigos como este e ganhar dinheiro com isso. É livre para entrar e você pode ganhar dinheiro on-line assim que você se cadastra. Clique no link para inscrever-se com Bukisa.com e começar a fazer um bom dinheiro na internet mais conteúdo na Web por Guy Spill:. Como fazer dinheiro Free Online < p> Faça a renda residual com Ehow
Modelos interativos de Reconhecimento de Padrões: Parte 2 de 3