S-114.2720 Havaitseminen ja toiminta



Samankaltaiset tiedostot
Hermoimpulssi eli aktiopotentiaali

S Havaitseminen ja toiminta

HERMOSTON FYSIOLOGIA I

Ihminen havaitsijana: Luento 6. Jukka Häkkinen ME-C2600

Neuronin Fysiologia. Lepojännite ja aktiopotentiaali

Lääketiede Valintakoeanalyysi 2015 Fysiikka. FM Pirjo Haikonen

! 7! = N! x 8. x x 4 x + 1 = 6.

Kuulohavainnon perusteet

S Laskennallinen Neurotiede

pitkittäisaineistoissa

Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun

Havaintopsykologia I. Havaintopsykologia: Miksi ja miten? Markku Kilpeläinen. Markku Kilpeläinen

Ylioppilastutkintolautakunta S tudentexamensnämnden

pitkittäisaineistoissa

BIOSÄHKÖISET MITTAUKSET

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.

7. Resistanssi ja Ohmin laki

Hermosolu tiedonkäsittelyn perusyksikkönä. Muonion lukio Noora Lindgrén

= = = 1 3.

Pelaisitko seuraavaa peliä?

Kertaus. Markku Kilpeläinen RESEPTIIVISET KENTÄT. Eräitä näköjärjestelmän reseptiivisen kentän tyyppejä. Retinan ganglion ja LGN -solut

Opetusmateriaali. Tutkimustehtävien tekeminen

Tänään ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus laskarit. Ensi kerralla (11.3.)

Neuronifysiologia 2. Jänniteherkät ionikanavat

Digitaalinen signaalinkäsittely Kuvankäsittely

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a)

Kuulohavainto ympäristössä

Ihminen havaitsijana: Luento 5. Jukka Häkkinen ME-C2000

Kenguru Student (lukion 2. ja 3. vuosi) sivu 1 / 6

Kognitiivinen mallintaminen Neuraalimallinnus, luento 1

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Nimi: Muiden ryhmäläisten nimet:

Vanhankaupunginkosken ultraäänikuvaukset Simsonar Oy Pertti Paakkolanvaara

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

2 Pistejoukko koordinaatistossa

Aluksi Kahden muuttujan lineaarinen yhtälö

Sovellettu todennäköisyyslaskenta B

KERTAUS KERTAUSTEHTÄVIÄ K1. P( 1) = 3 ( 1) + 2 ( 1) ( 1) 3 = = 4

Tilastotiede ottaa aivoon

Ihminen havaitsijana: Luento 11. Jukka Häkkinen ME-C2600

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Sovellettu todennäköisyyslaskenta B

Järvitesti Ympäristöteknologia T571SA

Näköhavainnon perusteet

Kognitiivinen mallintaminen. Nelli Salminen

Harjoitus 2: Matlab - Statistical Toolbox

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin?

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

SÄHKÖ KÄSITTEENÄ. Yleisnimitys suurelle joukolle ilmiöitä ja käsitteitä:

Tilastotiede ottaa aivoon

Mittaustekniikka (3 op)

Kenguru Écolier (4. ja 5. luokka) sivu 1/5

Kokelaan sukunimi ja kaikki etunimet selväsi kirjoitetuna. Kaava 1 b =2a 2 b =0,5a 3 b =1,5a 4 b = 1a. 4 5 b =4a 6 b = 5a

Tehtävät 1/11. TAMPEREEN YLIOPISTO Informaatiotieteiden tiedekunta Valintakoe Matematiikka ja tilastotiede. Sukunimi (painokirjaimin)

Aineistoista. Laadulliset menetelmät: miksi tarpeen? Haastattelut, fokusryhmät, havainnointi, historiantutkimus, miksei videointikin

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,

Laskut käyvät hermoille

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

Kemiallisen reaktion reaktiodiagrammi

Estimointi. Vilkkumaa / Kuusinen 1

Tehtävien ratkaisut

2.1 Ääni aaltoliikkeenä

Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus

Hermosto. Enni Kaltiainen

Kaksi yleismittaria, tehomittari, mittausalusta 5, muistiinpanot ja oppikirjat. P = U x I

XXIII Keski-Suomen lukiolaisten matematiikkakilpailu , tehtävien ratkaisut

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

FYSIIKKA (FY91): 9. KURSSI: Kertauskurssi KOE VASTAA KUUTEEN (6) TEHTÄVÄÄN!!

TEHTÄVIEN RATKAISUT. b) 105-kiloisella puolustajalla on yhtä suuri liikemäärä, jos nopeus on kgm 712 p m 105 kg

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

203 Asetetaan neliöt tasoon niin, että niiden keskipisteet yhtyvät ja eräiden sivujen välille muodostuu 45 kulma.

v 8 v 9 v 5 C v 3 v 4

4 TOISEN ASTEEN YHTÄLÖ

Luento 6: 3-D koordinaatit

Nopeus, kiihtyvyys ja liikemäärä Vektorit

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MAIDON PROTEIININ MÄÄRÄN SELVITTÄMINEN (OSA 1)

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1

8a. Kestomagneetti, magneettikenttä

VIII LISÄTIETOA 8.1. HAVAINTOVIRHEISTÄ

TASAVIRTAPIIRI - VASTAUSLOMAKE

Käy vastaamassa kyselyyn kurssin pedanet-sivulla (TÄRKEÄ ensi vuotta ajatellen) Kurssin suorittaminen ja arviointi: vähintään 50 tehtävää tehtynä

805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016)

OMINAISUUS- JA SUHDETEHTÄVIEN KERTAUS. Tavoiteltava toiminta: Kognitiivinen taso: Ominaisuudet ja suhteet -kertaus

Fy06 Koe Kuopion Lyseon lukio (KK) 1/7

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Sanajärjestyksen ja intensiteetin vaikutus suomen intonaation havaitsemisessa ja tuotossa

805306A Johdatus monimuuttujamenetelmiin, 5 op

Harjoitus 7: NCSS - Tilastollinen analyysi

ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen

Kenguru Ecolier, ratkaisut (1 / 5) luokka

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017

Transkriptio:

S-114.2720 Havaitseminen ja toiminta Heikki Hyyti 60451P Harjoitustyö 1 psykofyysiset kokeet ja neuroanatomia Unit 1: 1.1.1 Käy hermosolun osat läpi. Tarvitset tietoja myöhemmissä tehtävissä. OK 1.1.4 Opettele kalium-natrium-pumpun toiminta. Tarvitset tietoja pian. OK 1.2 Selitä pääpiirteittään aktiopotentiaalin synty ja eteneminen hermosolussa. (6) Aluksi hermosolun solukalvo on -70mV lepopotentiaalissaan. Hermosolun dendriitteihin tulee ajallisesti ja spatiaalisesti summautuneena kemiallisia tai sähköisiä viestejä muista soluista. Kemiallinen viesti voi olla inhiboiva (vähentävä) tai eksitoiva (lisäävä). Kemialliset välittäjäaineet sitoutuvat postsynaptisen (synapsiraon jälkimmäisen) solun reseptoreihin ja avaavat ionikanavia. Ionikanavien kautta soluun pääsee solun ulkoisesta tilasta ioneja ja toisinpäin. Ionipumppu pitää solukalvon välillä tietyn ionitasapainon, josta johtuu lepopotentiaali. Solun sisäinen potentiaali alkaa nousta, kun natrium-ionikanavat aukenevat ja Na+ -ionit alkavat virrata sisään soluun depolarisoiden solun. Kun solun potentiaali on noussut laukaisukynnyksen yli aukenevat kalium-ionikanavat ja K+ -ionit alkavat virrata ulos solusta, jolloin solukalvon potentiaaliero muuttuu taas negatiiviseksi (hyperpolarisaatio). Nyt natrium-kalium-pumppu alkaa taas siirtää natriumia ulos ja kaliumia sisään palauttaen alkuperäisen tilanteen. Kun hermosolun solukalvon potentiaali aksonin juuressa on noussut kynnysjännitteen tasolle, laukeaa aktiopotentiaali. Se lähtee etenemään aksonissa kaikki tai ei mitään periaatteella. Jänniteherkät ionikanavat aukenevat ja sulkeutuvat kukin vuorollaan niin, että potentiaaliero lähtee etenemään pitkin aksonia vain yhteen suuntaan. Jos hermosolun aksonilla on myeliinituppeja, potentiaaliero johtuu tupen yli ja reaktio etenee Ranvierin kuroumasta toiseen näin nopeuttaen signaalin etenemistä huomattavasti.

1.3 Selitä temporaalinen ja spatiaalinen summautuminen. (6) Temporaalisessa eli ajallisessa summautumisessa hermosolun dendriitteihin tulee eri aikoina ärsytystä joko kemiallisesti tai fyysisesti. Yhden signaalin aiheuttama eksitaatio tai inhibitio, joka soluun tulee kestää tietyn ajan. Jos tämän ajan sisällä tulee useampia erillisiä signaaleita, vaikuttavat ne toisiinsa summautuen. Jos presynaptinen solu laukoo tiheään tahtiin, aiheuttaa se suuremman muutoksen postsynaptisen solun toimintaan, kuin hitaaseen tahtiin laukova presynaptinen solu. Spatiaalinen eli paikasta riippuva summautuminen tarkoittaa sitä, että eri hermosolujen dendriitteihin tulee yhtäaikaisesti tai lähes yhtäaikaisesti signaalia toisista hermosoluista tai ulkoisesta ärsykkeestä. Nämä signaalit summautuvat toisiinsa hermosolussa. 1.5.1 Mitä hyötyä lateraalisesta inhibitiosta voisi olla näköjärjestelmässä? (6) Lateraalisen inhibition avulla näköjärjestelmässä voidaan toteuttaa erilaisia reseptiivisiä kenttiä. Verkkokalvolla vierekkäisiä soluja inhiboidaan, jolloin syntyy on-center-off-surround tyyppinen reseptiivinen kenttä. Tämän avulla reunojen tunnistaminen ja havaitseminen helpottuu. Silmän verkkokalvolta lähtee vain vähän hermoja kohti aivoja verkkokalvon tappi ja sauvasolujen lukumäärään verrattuna. Jotta koko näkökentästä saataisiin tietoja aivoihin, on signaalia pakostikin pakattava ja summattava toisiinsa. Jos lateraalista inhibitiota ei olisi, niin vierekkäiset signaalit olisi vain summattava toisiinsa. Tällöin näkisimme kaiken pehmennettynä (blur-efekti). Jotta voisimme vielä eroottaa rajapinnat ja kappaleiden muodot ja koot tarkasti, pitää vierekkäisten tappien ja sauvojen arvolla inhiboida vierekkäisten solujen toimintaa. Tästä epäselvästä reunoja vahvistavasta signaalista aivot luovat näkemämme tarkan kuvan.

1.6.4-1.6.6 Mitä eroa on aivokuoren yksinkertaisilla, kompleksisilla ja hyperkompleksisilla soluilla? (6) Aivokuoren yksinkertaisissa soluissa summataan verkkokalvolta tulleiden reseptiivisten kenttien informaatiota toisiinsa niin, että syntyy tiettyyn suuntaan reseptiivisiä kenttiä. Tämä saavutetaan esimerkiksi niin että on-center-offsurround reseptiivisiä kenttiä summataan niin että pystysuunnassa keskustat pysyvät samassa paikassa. Tällöin saadaan pystysuuntaan on-alue, jonka ympärillä on off-alue. Tämä solu reagoi nyt näkökentässä oleviin pystysuuntaisiin juoviin. Kompleksit soluissa on yhdistetty vielä useamman aikaisemman hermosolun signaalinkäsittelyä. Nämä solut reagoivat monimutkaisempaan nähtyyn signaaliin, kuten tietyn suuntaiseen liikkeeseen. Tällainen tietynsuuntaisen liikkeen havaitseminen saavutetaan neuroverkolla, jossa samaan suuntaan aktiivisia eri paikoissa olevia reseptiivisiä kenttiä summataan yhteen tietyn suuruisilla viiveillä. Näin saadaan haluttuun suuntaan tietyllä nopeudella reagoiva solu. Hyperkompleksit solut ovat vieläkin monimutkaisempia. Niissä solun aktivaatioon vaikuttavat kompleksien solujen tapaan suunta ja nopeus, mutta myös tiettyyn suuntaan olevan liikkuvan viivan pituus.

Unit 5.1: 5.1.2 Tee tehtävä (kymmenkunta arvausta riittänee). Miksi tämä kyseinen tehtävä ei ole hyvä selvittämään kuinka paljon koehenkilön vastauksissa on hajontaa? (4) Tehtävässä pitää palkkia vetämällä muuttaa punaisen kolmion alaa ja yrittää estimoida sillä sinisen kolmion alaa. Tehtävässä eri kerroilla palkki vaikuttaa aina saman verran kolmion kokoon. Tällöin kun palkin siirtää aina samaan paikkaan, niin saa aina samankokoisen kolmion. Kun oppii mihin kohtaan palkki pitää siirtää, saa aina saman tuloksen. Lisäksi kolmion koolle ei ole kauhean paljoa diskreettejä kokovaihtoehtovalintoja, vaan yleensä valinta loksahtaa aina samaan kohtaan. Kaiken tämän lisäksi kolmiot ovat aina samassa kohdassa ja samanvärisiä, eikä testistä saa varmuutta oikeastaan minkään vaikutuksesta mihinkään. 5.1.3 Käytännössä käyrä on kaareva. Mitä voit sen perusteella päätellä havaitsemista: onko se determinististä vaiko satunnaista/tilastollista? Miksi? (5) Havaitsemiseen vaikuttaa monet satunnaiset tekijät, jolloin tietyllä herkkyydellä havaitaan vain tietty osa todellisista tapahtumista. Tällöin havaitseminen on satunaista, tietyn havaitsemistodennäköisyyden ohjaamaa ja sitä voidaan mallintaa tilastollisin apuvälinein.

5.1.4 Olkoon SS vakioärsykkeen pituus ja VS vertailuärsykkeen pituus. Kuinka usein vertailuärsyke arvioidaan vakioärsykettä pidemmäksi kohdassa SS+ I? (4) VS arvioidaan kohdassa SS+ I 75% todennäköisyydellä pidemmäksi kuin SS. Kun vakio- ja vertailuärsykkeen ero on suurempi kuin erotuskynnys, kuinka usein vertailuärsyke arvioidaan eri pituiseksi kuin vakioärsyke? (3) Kohdassa, jossa vakio ja vertailuärsykkeellä on erotuskynnyksen verran eroa eli ollaan paikassa SS+ I. Tässä huomataan 75% todennäköisyydellä viiva pidempänä ja 25% todennäköisyydellä viiva pienempänä. Tässä tapauksessa viivoja ei nähdä samanpituisena. Yksi ärsykkeistä sattui osumaan PSE:n (Point of subjective equality piste, jossa molemmat ärsykkeet näyttävät yhtä suurilta) kohdalle. Yleensä näin ei kuitenkaan käy. Miten määrittäisit PSE:n tällaisessa tapauksessa? (2) Piirrän toisen viivan lyhyemmiksi tunnistettujen havaintojen läpi ja toisen pitkiksi tunnistettujen havaintojen läpi. PSE on näiden leikkauspiste. Miksi 75%:n todennäköisyyttä käytetään erotuskynnyksen kriteerinä kun havaintokynnyksen kriteeri on 50%:n todennäköisyys. (3) Tässä tapauksessa pitää valita kahdesta vaihtoehdosta - lyhyempi tai pitempi. Arvauksen todennäköisyys on 50% joten jos arvaukseen lisätään puolet havainnon varmuutta saadaan 75% todennäköisyysraja. Millainen vakioärsykkeen tulisi olla jotta erotuskynnys ja havaintokynnys olisivat samat? (3) Erotuskynnyksen mittaista viivanpätkää, eli hyvin lyhyttä vakioärsykettä joka juuri ja juuri nähtäisiin. 5.1.5. Miten erotuskynnys ja pienin havaittava ero (JND) liittyvät toisiinsa? (5) JND testattaessa mitataan eroa joka on juuri havaittavissa. JND on vähintään erotuskynnyksen suuruinen. 5.1.6. Millainen yhteys JND:llä ja ärsykkeen intensiteetillä/suuruudella on? (5) JND on erotus testiärsykkeestä ja malliärsykkeestä.

Unit 5.2: 5.2.1 Miten pelkästään nousevien sarjojen käyttäminen vaikuttaa erotuskynnykseen? (3) Erotuskynnys tulisi hieman todellista korkeammalle, koska se tulisi havainnossa tulleiden virheiden verran korkeammalle kuin todellinen erotuskynnys on. 5.2.2 Älä käytä yhtäsuuruusmerkkiä kuin kerran joka sarjassa (tehtävä toimii hieman hassusti yleensä yhtäsuuruusmerkkiä ei edes ole). Etsi JND:si. Jos kaikki nousevat sarjat alkaisivat samalta intensiteettitasolta, miten se vaikuttaisi JND:stä saatuun tulokseen? (3) Ohjelma ei toiminut täydellisesti, eikä osannut laskea JND:täni. Jos kaikki nousevat sarjat alkaisivat samalta intensiteettitasolta, niin oppisin millä kohdalla kolmio muuttuu isommaksi. Tottuminen vaikuttaa tuloksiin niin, että joka mittauskerralta saataisiin lähes sama tulos, tästä laskettu JND ei olisi todellinen pienin havaittava ero, vaan todennäköisesti hieman pienempi kuin todellinen JND. 5.2.3 Mitkä ovat porrasmenetelmän edut ja haitat? (3) Menetelmällä saadaan nopeasti jonkin suuntainen estimaatti havaintokynnyksestä. Menetelmällä ei kuitenkaan saada havaintokynnyksestä muuta tietoa kuin estimaatti. Esimerkiksi havaintokynnyksen jyrkkyys jää tuntemattomaksi. Lisäksi menetelmän tarkkuus riippuu portaan koosta. 5.2.4 Säätömenetelmän merkittävin etu? (3) Säätömenetelmällä saadaan tarkka lopputulos kaikkine virherajoineen. 5.2.5 Etsi ylä- ja alarajasi (Sv judged shorter/longer). Määritä PSE:si. Miten teit sen? (4) Ylä- ja alaraja osui samaan kohtaan 212 pikselin kohdalle. Palikan pituus oli 188pikseliä. PSE on käyrien leikkauspisteessä 188 pikselin kohdalla.

5.2.6 Tee koe: "." on oikea ja "," vasen pallo. Millaisen tuloksen sait? Miksi havaintotarkkuuden parantuessa reaktioaika lyhenee? (8) 400ms 20% erolla ja 600ms 5% erolla. Näiden pisteiden välillä oli lähes suora viiva. Isompien eroavaisuuksien huomaaminen on helpompaa, siksi reaktioaika lyhenee. Unit 5.5: 5.5.1 Millainen suhde Weberin lain kertoimella k (Weber's fraction) on herkkyyteen (kuinka helposti eroja tai muutoksia havaitaan)? (4) k = I / I Erilaisissa tilanteissa ja ärsyketyypeissä k on erilainen kerroin sille, miten pienin ero I havaitaan tietystä ärsykkeen koosta I. 5.5.5 Miten Stevensin lain eksponentti liittyy havaittuun intensiteettiin? (4) Psykologinen vahvistus, S = ai^m m on jokaisessa tapauksessa fysikaalisesti mitattu exponentiaalinen kerroin. Mitatun havainnon vahvuus käyttäytyy tämän eksponenttifunktion kaltaisesti todelliseen ärsykkeeseen I nähden.