斯特鲁普效应是如何从横向连接的自组织地图中的最佳响应时间中产生的
Divya Prabhakaran1, Uli Grasemann1, Swathi Kiran2
1The University of Texas at Austin, Austin, TX 78712 USA.
概括
这项研究使用自组织地图 (SOMs) 建模了Stroop效应,展示了认知干扰如何影响表现. 该模型实现了84.2%的准确性,在一致条件下显示更快的响应.
科学领域:
- 认知科学 认知科学
- 计算神经科学是一种神经科学.
- 人工智能的人工智能
背景情况:
- 斯特鲁普效应证明了色彩命名任务中的认知干扰.
- 它是评估认知灵活性,选择性注意力和执行功能的关键工具.
- 了解这种效应对于模拟人类认知过程至关重要.
研究的目的:
- 使用自组织地图 (SOMs) 实现Stroop任务.
- 调查计算模型如何复制和解释Stroop效应.
- 探索关联和横向连接在认知控制中的作用.
主要方法:
- 使用自组织地图 (SOMs) 作为计算框架.
- 输入变量包括目标颜色和用于语义和词汇地图的竞争词.
- 模拟关联和横向连接以模拟随时间的信息处理.
主要成果:
- 在实施的模型中实现了84.2%的整体准确性.
- 与不一致和无输入条件相比,在一致条件下显示出明显更少的错误和更快的响应.
- 观察到的Stroop效应是优化速度精度权衡的副产品.
结论:
- 基于SOM的模型成功地复制了Stroop效应的关键方面.
- 这些发现表明,认知干扰可能是高效信息处理的新兴属性.
- 这个模型为研究神经学启发的认知控制机制提供了基础.


