시각적 작업 메모리의 컨텍스트 바인딩은 양측 이벤트 관련 잠재력에 반영되지만 반대측 지연 활동 파트 2에는 반영되지 않습니다.
Sep 06, 2023
이벤트 관련 전위 분석
ERP 진폭을 분석하기 위해 우리는 측면화된 후방 전극의 두 클러스터, 즉 정중선의 왼쪽과 오른쪽에 하나씩 평균을 계산하여 시험당 두 개의 신호를 생성했습니다(Fukuda et al., 2015a). 다음으로, 우리는 큐에 반대측 또는 동측인 실험 평균 신호를 생성하기 위해 실험 전반에 걸쳐 평균을 구했고, 반대측 신호에서 동측 신호를 빼서 최종적으로 "차이" 파동을 생성했습니다. 지연된 인식 작업의 경우 주요 관심 분야의 통계 분석은 샘플 배열 오프셋 후 200ms부터 프로브 시작 전 50ms까지 확장되는 650ms 창에 걸쳐 평균화하여 지연 기간에 초점을 맞췄습니다(Vogel and Machizawa, 2004).
기업 규모의 확장과 정보화의 발전으로 ERP 시스템은 기업 관리를 위한 중요한 도구 중 하나가 되었습니다. ERP 시스템의 크기와 메모리 사이의 관계에 대한 논의와 분석도 있습니다.
우선, ERP 시스템의 폭은 적용 범위와 기능의 폭을 의미합니다. 기업의 발전과 관리 요구의 증가에 따라 ERP 시스템의 범위도 그에 따라 확장될 것입니다. 예를 들어, 중소기업의 경우 단순한 구매, 판매, 재고 관리만 필요한 반면, 대기업의 경우 인사, 재무, 생산 및 기타 기능 등 더 많은 영역을 담당해야 할 수 있습니다. 따라서 ERP 시스템의 범위는 기업 규모, 산업 차이 등의 요소와 관련이 있습니다.
둘째, 메모리는 ERP 시스템의 메모리 및 데이터 처리 기능을 의미합니다. ERP 시스템의 범위가 증가함에 따라 처리해야 하는 데이터의 양과 복잡성도 그에 따라 증가합니다. 따라서 ERP 시스템의 메모리는 특히 중요해집니다. 효과적인 ERP 시스템은 대량의 데이터를 신속하게 처리하고 데이터 수집, 분석 및 처리를 자동화할 수 있어야 합니다. 이를 통해 기업의 관리 효율성을 크게 향상시키고 오류 발생을 최소화할 수 있습니다.
그러나 ERP 시스템의 규모와 메모리의 관계는 단방향이 아닙니다. ERP 시스템이 클수록 메모리가 지원해야 하는 데이터 양과 복잡성이 더 커집니다. 오히려 효율적인 ERP 시스템은 회사의 관리 능력에 긍정적인 영향을 미쳐 회사가 더 많은 비즈니스 및 관리 문제를 더 잘 처리할 수 있게 해줍니다.
전체적으로 ERP 시스템의 진폭과 메모리는 서로 영향을 미칩니다. 합리적인 ERP 시스템 설계는 둘 사이의 균형을 고려하여 기업의 관리 효율성과 경쟁력을 크게 향상시킬 수 있습니다. 따라서 ERP 시스템을 설계하고 선택할 때 기업은 자신의 필요에 맞는 시스템을 맞춤화하는 동시에 시스템의 메모리 및 데이터 처리 효율성을 향상시키는 데 중점을 두어야 합니다. 기억력을 향상시켜야 함을 알 수 있습니다. 시스탄체는 기억력을 향상시키는 것 등 많은 독특한 효과를 지닌 중국의 전통 약재이기 때문에 기억력을 크게 향상시킬 수 있습니다. 다진 고기의 효능은 산, 다당류, 플라보노이드 등 포함된 다양한 활성 성분에서 비롯됩니다. 이러한 성분은 다양한 방식으로 뇌 건강을 증진할 수 있습니다.
차이 파동의 경우 이 지연 창은 CDA입니다. 반대쪽 및 동측 시험의 지연 기간 신호는 3방향 반복 측정 ANOVA(측면성, 균질성 및 부하 요인 포함, 적절한 사후 후속 테스트 포함)로 분석되었습니다. CDA는 양방향 반복 측정으로 분석되었습니다. - 동질성 및 로드의 개체 내 요인으로 ANOVA를 측정합니다. 중요한 상호 작용이 있는 경우 사후 테스트를 수행하여 각 세트 크기에서 동종 메모리 세트와 이종 메모리 세트 간의 CDA를 비교했습니다.
또한 두 가지 가능한 교란 요인의 영향을 평가하기 위해 두 가지 분석 세트를 수행했습니다. 자극 범주 자체의 가능한 효과를 평가하기 위해 우리는 이종 블록의 1O 대 1C 대 1L 시험에 대한 CDA를 비교했습니다. 가능한 블록 수준 요인을 평가하기 위해(예: 이종 블록과 동종 블록 중에 서로 다른 전략이 채택되는 경우) 동종 블록의 10회 시도에서 얻은 CDA와 이종 블록에서 10회 시도의 CDA를 비교했습니다.
샘플 배열 시작 후 200ms부터 시작하는 500ms 창에 걸쳐 평균을 계산하여 정의되는 샘플 제시 기간의 데이터에 대해서도 동일한 분석 절차가 수행되었습니다.
결과
행동 결과
그림 1B를 검사하면 로드 3과 5에서 k 추정치가 동종 메모리 세트보다 이종 메모리 세트에 대해 더 높았음을 알 수 있으며, 이는 반복 측정 ANOVA(F(2,54)=11.995에서 동질성 로드 상호 작용으로 확인된 효과입니다. , p, 0.001). 후속 대응 t-검정에서는 세트 크기 1(t(27)=1.496, p=0.147)에서 동종 시험과 이종 시험 사이에 차이가 없었지만 이종 시험에 비해 이종 시험에 대한 값이 훨씬 더 높았습니다. 세트 크기 3과 5에서 동종 시험(t 값. 4.057, p 값, 0.001).
ERP 결과
반대측 및 동측 파형. 자극-제시 기간 동안 반대쪽 및 동측 전극의 신호는 설정된 크기에 따라 단조롭게 증가했으며(그림 2A, B), 3방향 ANOVA는 측면성, 하중 및 균질성의 3방향 상호 작용을 감지합니다(F(1, 23) = 11.470, p=0.0025). 반대쪽 전극에서는 균질성과 세트 크기의 주요 효과가 모두 유의미했으며(F 값 .6.228, p 값, 0.02) 요인은 상호 작용하지 않았습니다(F(2,46) {{16} }.055, p=0.140). 동측 전극에서는 설정된 크기 상호 작용(F(2,46)=3.717, p=0.031)에 의해 동질성이 있었지만 사후 t-검정에서는 동질성 전극 간의 차이를 찾지 못했습니다. 임의의 설정된 크기(t 값, 1.695, p 값 . 0.104.)의 이종 블록. 반대쪽 전극에서 1O, 1C 및 1L 시험을 비교하기 위해(그림 3A), 일원 분산 분석은 주 효과(F(2,46)=4.758; p=0를 발견했습니다. 013), 사후 테스트에서는 1O 시행이 1L 시행보다 진폭이 상당히 크고(t(23)=3.245, p=0.004) 1C 시행보다 수치적으로 더 컸음을 나타냅니다(t (23)=1.953, p=0.063), 1C와 1L 시험은 다르지 않았습니다(t(23)=0.815, p=0.423 ). 동측 전극에서 1O, 1C 및 1L 시험에 대한 일원 분산 분석은 차이에 대한 증거를 찾지 못했습니다(F(2,46)=2.040; p=0.412). 동종과 이종의 10회 시험에서 얻은 샘플 제시 값을 비교하면 어떤 차이도 나타나지 않았습니다(t 값, 0.635, p 값 . 0.434, 그림 3B).
지연 기간 신호는 또한 반대쪽 및 동측 전극에서 단조롭게 증가했으며(그림 2C), 3방향 ANOVA는 유의성에 접근한 균질성의 주요 효과를 나타냅니다(F(1,23)=3.723, p=0.066) 및 측면성과 하중 간의 양방향 상호 작용(F(2,46)=9.449, p, {{20}} .001), 빼면 CDA를 생성하는 반대쪽 신호와 동측 신호 간의 차이를 반영하는 효과입니다. 쌍별 비교는 신호가 1과 3의 세트 크기(t 값 . 2.175, p 값, 0.039)에서 동종 및 이종 블록에서 더 컸지만 세트 크기 5(t 값, 0.586, p 값 . 0.326)에서는 비교할 수 있음을 나타냅니다. 1O, 1C 및 1L 실험(그림 3A)을 비교하기 위해 일원 분산 분석에서는 반대쪽 또는 동측 전극에서 차이에 대한 증거를 찾지 못했습니다(F 값, 1.204, p 값 . 0.309). 10회 시험의 지연 기간 신호는 반대쪽(t(23) = 1.475, p=0.153)과 동측(t) 모두에서 동종 블록과 이종 블록에서 수치적으로 더 높았지만 유의미하지는 않았습니다. (23)=1.793, p=0.086) 전극(그림 3B).
반대쪽에서 동측의 차이파를 뺀 것입니다. 자극 제시 기간 동안 차이 파동은 두 메모리 조건(양방향 ANOVA, 세트 크기의 주요 효과: F(1,46) = 13.5043, p, {)에서 단조롭게 증가했습니다. {26}}.001) 일반적으로 이종 시험보다 동종 시험에서 규모가 더 컸습니다(동질성의 주요 효과: F(1,23)=11.47, p=0.003). 상호작용이 유의미에 가까워짐(F(2,46)=2.703, p=0.078; 그림 2A, B). 사후 t-검정에서는 세트 크기 1과 3(t 값 . 2.912, p 값, 0.008)에서 차이가 나타났지만 세트 크기 5(t(23)=0.923, p=0에서는 차이가 없었습니다. .336). 일원 분산 분석에서는 1O, 1C 및 1L 시행(F(2,46)=2.125, p=0.131; 그림 3A) 또는 1O 시행 간에 차이가 있다는 증거를 찾지 못했습니다. 동종 대 이종 블록(t(23)=1.475, p=0.785; 그림 3B).
지연 기간(즉, CDA)의 경우 차이 파동은 두 메모리 조건(양방향 ANOVA, 세트 크기의 주요 효과: F(2,46) = 9.499, p, {{5}에서 단조롭게 증가했습니다. }.001), 그러나 동질성(F(2,46)=0.149, p=0.703)에서는 차이가 없었고 두 요인은 상호 작용하지 않았습니다(F(2,46) )=0.559, p=0.576; 그림 2C). 일원 분산 분석에서는 1O, 1C 및 1L 시험(F(2,46)=0.155, p=0.857; 그림 3A) 또는 1O 시험 간에 균질 대 1O 시험 간에 차이가 없음을 발견했습니다. 이종 블록(t(23) = 0.183, p=0.857; 그림 3B).
중간토론
실험 1의 행동 결과는 세트 크기 3과 5에서 이종 메모리 세트보다 동종 메모리 세트에 대해 더 낮은 k 값을 나타냈습니다. 이 패턴은 동질성을 조작한 이전 연구에서 얻은 결과와 일치합니다(Gosseries et al., 2018; Cai et al. , 2020) 이는 동일한 수의 항목을 포함하는 동종 메모리 세트보다 컨텍스트 바인딩에 대한 요구 사항이 더 적은 조건(이종 메모리 세트)을 생성하려는 우리의 의도와 일치합니다. 그러나 컨텍스트 바인딩 외에도 다른 요소가 이기종 메모리 세트의 우수한 성능을 설명할 수 있습니다. 하나는 항목 간 유사성 때문에 동질적인 메모리 세트를 사용하면 작업 메모리에 있는 자극 특징의 식별 가능성이 더 낮을 수 있다는 것입니다. 더욱이, 특징 식별성의 이러한 차이는 실험 1에서와 같이 시도가 자극 유형에 의해 차단되는 경우에만 복합화될 것입니다. 이는 동질적인 메모리 세트를 가진 블록이 더 높은 수준의 지속적인 사전 간섭을 생성할 것으로 예상되기 때문입니다(Wickens et al. , 1963). 그러나 두 조건의 10회 시험에서 성능이 동일했다는 사실은 사전 간섭의 차등 효과에 대한 증거를 확인하지 못한 것입니다. 그럼에도 불구하고, 이 특정 혼란을 해결하기 위해 실험 2에서는 동종 시험과 이종 시험을 인터리브했습니다.
해당 ERP 데이터를 살펴보면, 반대측 전극과 동측 전극 모두의 지연 기간 신호는 이종 실험보다 동종 실험에서 더 컸습니다. 이는 항목 보유 이외의 정신적 작업이 본질적으로 동질적 시도에 의해 수행되었음을 시사합니다. (이 차이는 동측 전극에서만 유의미하게 접근하기는 하지만 10회 시험 사이에도 수치적으로 나타났습니다.) 주요 이론적 관심 사항 중 CDA를 생성하기 위해 수행된 반대쪽-동측 빼기는 신호의 조건 간 차이를 제거했습니다. 따라서 이질성 조작이 반대쪽 전극과 동측 전극의 신호에 동일하게 영향을 미친다는 사실은 CDA의 로드 감도의 일부가 컨텍스트 바인딩의 로드 관련 차이를 반영할 가능성과 일치하지 않습니다.
흥미롭게도 (예기치 않게) 자극 제시 동안 반대측 전극에서 이종 시험보다 동종 시험에서 진폭이 더 높았으며 이 효과는 차이 파동에서도 강력했습니다. 이는 동종 조건에서 더 크다고 가정되는 컨텍스트 바인딩과 관련된 작업이 인코딩 중에 주로 참여할 수 있는 가능성을 높입니다. 이 결론에 대한 한 가지 가능한 우려는 우리의 설계가 동질성을 자극 범주와 혼동했다는 것입니다. 즉, 동질적인 시도는 방향 자극으로만 사용되었습니다. [실제로 CDA가 다른 자극 범주보다 방향에 대해 더 높을 수 있다는 것이 이전에 보고되었습니다(Woodman and Vogel, 2008).]. 따라서 반대측 전극(그림 3A)에서 10회 시험(1C 및 1L 대비)에 대해 샘플 제시 신호가 가장 높았다는 사실은 샘플 제시 데이터에서 관찰된 패턴이 자극 때문일 수 있는 가능성을 배제할 수 없음을 의미합니다. 컨텍스트 바인딩 요구보다는 효과. 이 발견을 재현하고 명확하게 해야 할 필요성이 실험 2의 이유 중 하나였습니다.
실험 1에서 CDA에 대한 null 결과는 IPS의 지연 기간 fMRI 신호와 직접적으로 비교할 수 없을 수 있음을 시사합니다(Gosseries et al., 2018; Cai et al., 2020). 이는 해석을 복잡하게 만들 수 있습니다. 이전의 영향력 있는 fMRI 연구(Todd 및 Marois, 2004; Xu 및 Chun, 2006). 이것이 두 번째 실험에서 이 결과를 재현하는 것이 중요한 또 다른 이유입니다. 또한, 이기종 메모리 세트에 대한 더 낮은 용량 추정을 설명할 수 있는 요인이 무엇인지에 대한 모호성을 해결하기 위해(그림 1B, 즉 컨텍스트 바인딩 대 식별성), 실험 2의 경우 지연된 회상을 만들어 작업을 수정했습니다(즉, , "지연된 추정"). 이를 통해 메모리 정밀도(식별 가능성과 더욱 밀접하게 연관된 측정값) 및 잘못된 바인딩(컨텍스트 바인딩 실패 지수로 해석 가능)을 추정할 수 있습니다. 우리는 혼합 모델(Bays et al., 2009)과 목표 혼란 경쟁(TCC) 모델(Schurgin et al., 2020)이라는 두 가지 모델을 사용하여 데이터를 분석할 계획이었습니다. 가정하고 다른 결과를 얻을 수 있습니다(Williams et al., 2022).
실험 2
재료 및 방법
31명의 오른손잡이 지원자(20명의 여성, 연령대, 19~26세, 평균 연령, 19.9세, SD, 2.04)가 보상을 위한 EEG 실험에 참여했습니다(인민비(RMB), 30/h). 한 명은 행동 성능이 좋지 않아 분석에서 제외되어 최종 n이 30이 되었습니다. 모든 피험자는 기관 검토 위원회(Institutional Review Board)가 승인한 절차에 따라 서면 동의서를 제공했습니다. 피험자들은 시력이 정상이거나 정상으로 교정되었으며 EEG에 대한 금기 사항이 없었으며 신경학적 또는 정신 질환의 병력도 보고되지 않았습니다. 또한 34명의 독립적인 피험자(여성 24명, 연령 범위 18~34세, 평균 연령 21.4세, SD 4.02)를 모집하여 방향 패치, 색상 패치 및 휘도 패치로 구성된 자극으로 세 가지 정신물리학적 유사성 작업을 완료했습니다. EEG 실험에 사용된 자극의 범위. 결과 데이터는 TCC 모델(Schurgin et al., 2020)을 EEG 실험의 행동 결과에 맞출 때 사용된 정신물리학적 유사성 측정항목을 계산하는 데 사용되었습니다.
자극과 절차
지연 회상 작업. 각 블록에는 1O, 1C, 1L 시도, 120 3O 시도, 120 1O1C1L 시도 등 각각 120개의 시도가 포함되었습니다. 모든 자극은 실험 1과 동일했으며 샘플 디스플레이의 공간 배열도 마찬가지였습니다(1O1C1L 시험에서는 모든 범주가 세 가지 가능한 위치 중 하나에 나타날 수 있다는 점 제외). 그리고 신호부터 이벤트의 타이밍도 마찬가지였습니다. 지연. 900ms 지연 후, 샘플 자극과 동일한 크기의 원형 패치가 시작되고 링(즉, "응답 휠")과 함께 자극 세트의 항목 중 하나의 위치를 차지하면서 리콜이 촉발되었습니다. 외부 가장자리까지의 반경은 9.2도이고 너비는 2도이며 중앙 고정에 커서가 있습니다.
리콜 대상 항목 범주의 가능한 모든 값은 응답 휠을 중심으로 지속적으로 변했습니다. 방향의 경우 이는 0~171도 범위에서 9도 증분으로 20 동일한 간격의 검은색 막대(0.05도 1.8도)로 렌더링되었습니다. 색상과 휘도의 경우 이는 180개의 동일한 간격 값으로 렌더링되었습니다(각각 원형 색상환을 형성하거나 흰색에서 검정색으로 선형 진행). 오리엔테이션 응답 휠은 지연 동안 응답 계획을 방해하기 위해 시험마다 예측할 수 없을 정도로 다양했습니다. 회상 표시가 시작될 때 자극 패치는 테스트 중인 범주의 무작위 값으로 나타났고, 피험자가 컴퓨터 마우스를 통해 커서를 움직이기 시작하자마자 자극 패치는 반응의 위치에 해당하는 값을 취했습니다. 커서에 가장 가까운 휠입니다.
자극 패치의 값은 피험자가 반응 휠의 특정 위치에 커서를 놓고 마우스를 클릭하여 반응을 등록할 때까지 커서 위치에 따라 실시간으로 다양해졌습니다. 응답 창은 프로브 시작 후 300ms에 시작되어 4초 동안 지속되었으며 그 후 평가판 시간이 초과되었습니다. 실험 전반에 걸쳐 배경 화면 색상은 회색이었습니다([0.5, 0.5, 0.5]; 그림 4A). 1O1C1L 시험의 경우 응답 휠의 ID가 회수할 항목을 나타내기 때문에 자극 패치의 위치에 의해 전달되는 정보가 중복되게 됩니다. 이와 관련하여 1O1C1L 시도에서는 스왑 오류가 발생하지 않았습니다.
정신물리학적 유사성 작업. 각 블록은 Schurgin et al의 Likert 색상 유사성 실험에 따라 구조화된 Likert 유사성 실험으로 구성되었습니다. (2020). 각 피험자는 무작위 순서로 3개의 블록을 완료했습니다. "색상 유사성" 블록에서 피험자는 1(가장 유사하지 않음)부터 7(가장 유사함) 범위의 Likert 척도에서 동시에 나타나는 두 가지 색상 패치의 유사성을 판단했습니다. 색상은 CIE L*a*b* 색상 공간(L=70, a=20, b {{5)에서 현재 연구의 EEG 실험 자극에 대한 색상을 그리는 데 사용된 것과 동일한 원에서 선택되었습니다. }}; 반경, 60)이지만 원을 따라 고르게 분포된 360개의 가능한 색상 값으로 구성되었습니다. 각 시험의 색상 쌍은 먼저 휠에서 무작위 시작 색상을 선택한 다음 세트 [0도, 5도, 10도, 20도, 30도, 40도, 50도]에서 두 번째 색상에 대한 오프셋을 선택하여 선택되었습니다. 도, 60도, 70도, 80도, 90도, 120도, 150도, 180도]. 다른 블록("휘도 유사성")에서 피험자는 두 개의 휘도 패치의 유사성을 판단했습니다. 휘도 값은 256개의 가능한 RGB 값이 있는 전체 휘도 범위에서 선택되었습니다. 각 시험의 쌍은 먼저 무작위 시작 휘도를 선택한 다음 세트 [0, 3, 7, 14, 21, 28, 35, 42, 49, 56, 64, 85]에서 두 번째 휘도에 대한 오프셋을 선택하여 선택되었습니다. , 106, 128] RGB 공간에서. 마지막 블록("방향 유사성")에서 피험자는 두 방향 패치의 유사성을 판단했습니다. 방향은 180개의 가능한 값이 있는 180도 공간에서 선택되었습니다. 각 시험의 쌍은 먼저 무작위 시작 방향을 선택한 다음 [0도, 2.5도, 5도, 10도, 15도, 20도, 25도, 30도] 세트에서 두 번째 방향에 대한 오프셋을 선택하여 선택되었습니다. , 35도, 40도, 45도, 60도, 75도, 90도]. 각 블록 전에 피험자에게는 두 가지 예의 맥락에서 지침이 제공되었습니다. 한 예에서는 두 가지 색상/휘도/방향이 동일했습니다(즉, 오프셋=0 포함). 피험자에게는 이러한 시도의 순위를 "7"로 지정하도록 지시했습니다. 또 다른 예에서, 두 가지 색상/휘도/방향은 최대한 유사하지 않았으며 피험자에게 이러한 시도의 순위를 "1"로 지정하도록 지시했습니다. 우리는 중간 시험에서 어떻게 반응해야 하는지 피험자들에게 지시하지 않았습니다. Schurgin 등의 연구에서와 같습니다. (2020)에서는 피험자들에게 직관적인 시각적 유사성을 기반으로 판단하도록 지시했습니다. 우리는 또한 자극의 언어화를 최소화하기 위해 시험 기간 동안 간단한 단어("the")를 반복하도록 지시했습니다. 각 피험자는 총 420번의 시도에 대해 140번의 시도로 구성된 3개의 블록(14번의 오프셋과 10번의 반복)을 완료했습니다. 피험자는 자신의 속도에 맞춰 작업을 수행했으며, 응답할 때까지 두 가지 자극이 디스플레이에 남아 있었습니다. 1~7의 의도된 등급에 해당하는 색상/휘도/방향 자극 아래에 그려진 7개의 숫자가 지정된 사각형 중 하나를 마우스로 클릭하여 응답을 수행했습니다.
행동 분석
기술통계. 응답 시간(RT)은 프로브 시작과 마우스 클릭 응답 사이의 대기 시간으로 정의되었으며, 응답 오류는 응답과 프로브된 항목 값 사이의 거리(도)로 정의되었습니다. 반응이 없는 시험은 모든 분석에서 제외되었습니다.
혼합물 모델링. 1O 및 1O1C1L 시험의 경우, 응답 오류 분포는 피험자가 목표(PT)를 회상한 시험의 비율(PT), 무작위 추측 확률(pU) 및 응답의 정밀도를 추정하는 2요인 혼합 모델에 의해 맞춰졌습니다. (Œ). 30회 시험의 경우 세 번째 요인인 비표적 회상 확률(pN)도 모델에 포함되었습니다. MATLAB 루틴(http://www.bayslab.com에서 사용 가능; Bays et al., 2009)을 사용하여 최대 가능성 추정으로 매개변수를 얻었습니다. 동종 시험과 이종 시험 간의 컨텍스트 결합 요구 차이가 작업 기억 회상에 어떻게 영향을 미치는지 조사하기 위해 RT, 원시 응답 오류 및 모델 피팅 매개변수에 대해 반복 측정 일원 분산 분석을 별도로 수행했습니다. 모델 추정의 경우 pU가 1O 및 1O1C1L 시험에서 pT와 매우 동일선상에 있었기 때문에 우리는 Œ 및 pT에 중점을 두었습니다(즉, pU 1 pT=1). pN은 30회 시도에서만 추정할 수 있습니다. 30번의 시도에서 추정된 pN은 스왑 오류가 피험자가 프로브된 위치에 어떤 항목이 나타났는지 잘못 기억하는 시도에 해당하기 때문에 컨텍스트 바인딩 효능의 척도를 제공합니다. 기억력 저하로 인해 뇌파 분석에서 1명의 피험자를 제외하였고(1O 조건에서 추측률은 .50%), 행동 분석에는 30명의 피험자를 포함시켰다.
대상 혼란성 경쟁 모델. TCC 모델의 경우 먼저 색상, 휘도 및 방향 자극에 대한 심리 측정 유사성 함수를 생성했습니다. 이러한 함수를 생성하기 위해 우리는 각 시행의 평가 점수를 1부터 7까지 나타내는 Smin=1, Smax=7 및 Sx를 사용하여 Likert 응답 데이터를 정규화하여 f(x)와 같은 정신물리학적 유사성 측정항목을 제공했습니다.=(Sx - Smin)/(Smax - Smin)(Schurgin et al., 2020) TCC 모델을 지연 회상의 행동 데이터에 맞출 때 세 가지 자극 유형 모두에 대해 측정된 정신물리학적 유사성 측정항목을 통합합니다. 일. 1O 및 1O1C1L 시험의 경우 Schurgin et al.에 설명된 대로 TCC 모델을 사용했습니다. (2020). 30회 시험의 경우 Williams et al의 연구에 설명된 대로 스왑 오류를 추정하는 TCC 플러스 모델을 사용했습니다. (2022). 결과 d9 값은 각 메모리 조건에서 추정되었으며 일원 분산 분석과 계획된 쌍 t-검정으로 비교되었습니다.
뇌파
데이터 수집 및 전처리. EEG 데이터는 64-채널 ActiveTwo EEG 시스템(Biosemi; 샘플링 속도 1024Hz)을 사용하여 행동 작업을 수행하는 동안 기록되었습니다. Ag-AgCl 전극은 10-20 시스템에 따라 장착되었으며 기록하는 동안 모든 전극의 임피던스는 5kV로 유지되었습니다. 실험 1과 동일한 전처리 절차 및 제외 기준이 수행되었습니다. 결과적으로 4명의 피험자의 데이터가 제외되어 최종 n명의 피험자가 EEG 분석에 포함되었습니다.
ERP 분석. Biosemi 캡이 동일한 후방 영역(TP7/8, CP5/CP6, CP3/4, CP1/2, P1/ P2, P3/4, P5/6, P7/8, P9/10, PO3/PO4, PO7/8, O1/2). 반대쪽 및 동측 시험의 샘플 제시 및 지연 기간 신호는 양방향 반복 측정 ANOVA(측면성 및 기억 조건(1O, 3O 및 1O1C1L 시험) 요인 사용)와 사후 후속 테스트를 통해 별도로 분석되었습니다. 차이 파동은 기억 조건의 대상 내 요인을 사용하여 일원 분산 분석(반복 측정 ANOVA)으로 분석되었으며, 주 효과가 유의한 경우 쌍별 테스트가 수행되었습니다.
결과
행동
설명 데이터. 평균 재현율 오류는 10회 시행에서 가장 낮았고, 1O1C1L 시행에서 중간, 30회 시행에서 가장 높았습니다(F(2,58)=172.090, p, {{36} }.001; 그림 4B), 이는 실험 1의 결과와 일치하는 패턴입니다. 후속 쌍별 테스트에서는 1O1C1L 시도 및 3O 시도의 오류보다 훨씬 낮은 오류가 확인되었습니다(t 값은 .15.387, p 값, 0.001), 1O1C1L 시도의 평균 오류는 30번 시도의 평균 오류(t(29)=3.381, p=0.002)보다 상당히 낮았습니다. 또한 RT 데이터(F(2,58)=19.893, p, 0.001)에서 시험 유형의 주요 효과가 있었고, 쌍별 검정에서는 1O 및 1O1C1L 시험 간에 차이가 없음을 나타냈습니다(t(29) { {43}}.614, p=0.544), 둘 다 30번의 시도보다 빨랐습니다(t 값 .5.142, p 값, 0.001; 그림 4B).
혼합물 모델링. 재현율 정확도(Œ)의 추정치는 30회 시행보다 10회 시행에서 유의하게 높았지만(t(29)=2.441, p=0.021) 그렇지 않았습니다. 1O1C1L 시도와 다릅니다(t(29)=0.339, p=0.737). 1O1C1L 시행의 재현율 정밀도는 30회 시행보다 수치적으로 더 높았습니다(t(29) {{20}}.723, p=0.095; 그림 4C). 10회 시행의 pT는 3개 항목 시행 유형(t 값 .8.508, p 값, 0.001)보다 유의하게 높았으며 1O1C1L과 3O 시행은 차이가 없었습니다(t(29 )=0.327, p=0.746; 그림 4C). 30회 시험의 경우 pN은 0.175(SD, 0.172)였으며 pN 값은 유의하게 .0(p, 0.001)이었습니다.
TCC 모델링. 일원 분산 분석을 통해 d9(F(2,58)=101.068, p, 0.{{31)로 색인된 바와 같이 시험 유형의 식별 가능성에 대한 주요 효과가 확인되었습니다. }}01). 쌍을 이루는 t-검정에서는 10회 시행에 대한 d9가 1O1C1L 및 3O 시행에 비해 훨씬 더 컸으며(t 값 .9.391, p 값, 0.{{40}}01) 수치는 다음과 같습니다. 1O1C1L에 대한 d9의 우월성은 상대적인 3O 시험에서 유의미한 수준에 도달했습니다(t(29)=1.884, p=0.069; 그림 3D). 30회 시험에서 pN은 0.192(SD, 0.338%)였습니다. 이 분포는 양의 편향을 가져서 정규성 가정(k 값=0.5, p, 0.001)을 위반했기 때문에 Wilcoxon 부호 순위 테스트를 사용하여 분포 pN의 중앙값이 유의미한 .0( z=4.7821, p, 0.001).
ERP 진폭
반대측 및 동측 파형. 자극 제시 동안 반대측 및 동측 ERP는 모두 기억 상태에 의해 조절되었으며(그림 5A, B, 왼쪽 패널), 양방향 ANOVA는 측면성과 기억 상태의 중요한 상호 작용을 감지했습니다(F(2,50) )=3.647, p=0.033). 반대쪽 전극에서 일원 분산 분석은 ERP가 메모리 조건(F(2,50)=19.605, p, 0.001에 따라 다르다는 것을 발견했습니다. ), 사후 테스트에서는 ERP가 1O 시험에서 가장 작았고, 1O1C1L 시험에서 중간, 3O 시험에서 가장 컸습니다(1O 대 3O, 1O1C1L 대 3O: t 값 .5.199, p, 0.001; 1O 대 1O1C1L: t(25) ) =2.129; p=0.043). 동측 전극에서 패턴은 유사했습니다(F(2,50)=8.929, p , 0.001; 1O 대 3O, 1O1C1L 대 3O: t 값 . 3.154, p , 0.004; 1O 대 1O1C1L: t( 25) =2.221; p=0.036). 반대쪽 전극에서 1O, 1C, 1L 실험을 비교한 결과, 자극 영역(F(2,50)=6.768, p=0.003)의 주요 효과가 나타났습니다. 1O 및 1L 시도보다 1C 시도에서 진폭이 덜 부정적이었으나(t 값 . 3.008, p 값, 0.006) 1O 및 1L 시도 간에는 차이가 없었음을 나타내는 쌍체 t-검정(t(25) {{84} }.221, p=0.827). 동측 ERP(F(2,50)=0.992, p=0.378; 그림 6A, B, 왼쪽 및 중간 패널)에서는 차이가 발견되지 않았습니다.
지연 기간 동안 양방향 ANOVA는 편측성과 기억 조건(F(2,50)=5.478, p=0.0 사이에 중요한 상호 작용을 나타냈습니다. 07). 반대쪽 파형의 경우 일원 분산 분석을 통해 기억 상태(F(2,50) {{10}}.884, p, 0.001의 중요한 주효과가 나타났습니다. ), 후속 쌍별 비교에서는 3O 및 1O1C1L 시험의 지연 기간 신호가 1O 시험보다 훨씬 더 부정적임을 나타냅니다(t 값(25).4.0, p 값, 0.001). 또한 특히 이론적으로 흥미로운 점은 지연 기간 신호가 1O1C1L 시험보다 30회 시험에서 훨씬 더 부정적이라는 점입니다(t(25)=3.022, p = 0.006). 동측 파형의 경우 패턴은 유사했습니다. 일원 분산 분석은 메모리 상태(F(2,50)=7.295, p=0.002)의 중요한 주 효과를 나타냈고 후속 쌍별 비교를 수행했습니다. 지연 기간 신호는 1O 시험보다 3O 및 1O1C1L 시험에서 훨씬 더 부정적이었으며(t 값(25) . 2.0, p 값, 0.05), 추세 수준에서는 1O1C1L 시험보다 3O 시험에서 더 부정적이었습니다. (t(25)=1.731, p=0.094; 그림 5C, 왼쪽 및 중앙 패널). 1O, 1C, 1L 시험의 비교를 위해 반대쪽 파형만 자극 영역(F(2,50)=5.374, p=0.008)에 의해 변조되었으며 후속 조치가 이루어졌습니다. 1L 시도의 진폭이 1O 및 1C 시도에서 더 부정적이었고(t 값 . 2.796, p 값, 0.010) 1O 및 1C 시도가 다르지 않았음을 나타내는 쌍 t-검정(t(25)=1. 005, p=0.324). 동측 파형의 경우 일원 분산 분석에서는 자극 영역(F(2,50)=1.696, p=0.194; 그림 6C, 왼쪽 및 중앙 패널별 차이에 대한 증거가 없음을 나타냈습니다. ).
반대쪽에서 동측의 차이파를 뺀 것입니다. 자극 제시 기간 동안 일원 분산 분석을 통해 기억 상태의 주요 효과가 나타났습니다(F(2,50)=3.647, p=0.033). 쌍체 t-검정에서는 1O와 1O1C1L 시험 사이의 차이에 대한 증거가 발견되지 않았습니다(t(25)=0.482, p=0.634). 3O 시험이 1O보다 진폭이 더 컸다는 유의성에 접근하는 증거 시도(t(25)=2.019, p=0.054) 및 30번 시도가 1O1C1L 시도보다 진폭이 더 컸다는 증거(t(25)=2.400, p { {32}}.024; 그림 5A, B, 오른쪽 패널). 1O, 1C 및 1L 실험을 비교하기 위해 일원 분산 분석은 자극 영역(F(2,50)=11.594, p=0.0025)에서 유의미한 차이를 발견했습니다. 1O 및 1L 시도보다 1C 시도에서 진폭이 더 낮았지만(t 값 . 3.483, p 값, 0.002) 1O 및 1L 시도 간에는 차이가 없음을 나타내는 업 쌍 t-검정(t(25) {{57 }}.433, p=0.164; 그림 6B, 오른쪽 패널).
지연 기간(즉, CDA)에 대해 일원 분산 분석은 기억 상태(F(2,50)=5.478, p=0의 주요 효과를 나타냈습니다.{ {39}}07), 대응 t-검정은 30회 시행의 CDA가 10회 시행보다 진폭이 더 컸으며(t(25)=4.102, p, 0.001) 1O1C1L 대 1O 시행 차이가 유의성에 접근함(t(25)=1.923, p=0.066); 결정적으로, 3O 및 1O1C1L 시험에 대한 CDA는 다르지 않았습니다(t(25)=1.101, p=0.282; 그림 5A, C, 오른쪽 패널). 1O, 1C 및 1L 실험을 비교한 경우 일원 분산 분석에서는 차이에 대한 증거가 발견되지 않았습니다(F(2,0.50)=2.069, p=0.137; 그림 6C, 오른쪽 패널).
중간토론
실험 2의 행동 데이터에 있는 설명 패턴은 실험 1의 패턴을 복제했습니다. 즉, 동종 실험에 비해 이종 실험에 대한 로드 효과 및 -3 로드 시 우수한 성능이 나타났습니다. 또한, 우리가 이러한 데이터에 적합한 두 모델의 추정치는 이 이질성 효과의 기본 요소에 대해 광범위하게 일치했습니다. 두 모델 모두 30회 시험(스왑 오류의 형태)에서 컨텍스트 바인딩의 역할에 대한 명확한 증거를 생성했으며 항목 간 모호한 증거를 생성했습니다. 간섭[정밀도(혼합 모델) 및 d9(TCC)는 모두 1O1C1L 시험에서 수치적으로 더 높았지만 두 측정 모두에 대한 유의성 임계값에 도달했습니다. 이는 자극-동질성 조작이 컨텍스트 바인딩에 대한 다양한 요구에 성공적이라는 확신을 증가시킵니다.
ERP 결과는 또한 샘플 제시 기간과 지연 기간 동안 실험 1에서 관찰된 일반적인 패턴을 재현했습니다. 원래 질문에 대한 주요 중요성은 지연 기간 신호가 1O1C1L 시험보다 30회 시험에서 더 컸지만 이는 반대쪽 전극과 동측 전극 모두에서 사실이었고 뺄셈 후 결과 CDA는 두 시험 유형 간에 다르지 않았습니다. 따라서 실험 2의 결과는 CDA가 WM 작업의 컨텍스트 바인딩 요구를 색인화하지 않는다는 결론을 뒷받침합니다.
자극 제시 동안 우리는 지연과 다른 패턴인 3O를 다시 관찰했습니다. 반대측 및 동측 전극에서 관찰된 1O1C1L 차이는 반대측 – ipsi 빼기에서도 살아 남았습니다. 또한 실험 2에서 1O, 1C 및 1L 실험을 비교한 결과 3O 대 1O1C1L 비교 결과가 자극 효과 때문일 수 있다는 우려가 완화되었습니다. 반대측 파형만 자극 영역에 의해 변조되었으며 이는 1O 및 1C 시험보다 더 부정적인 1L 시험의 진폭. 따라서 실험 2는 상황 바인딩과 관련된 EEG의 활동이 자극 인코딩 중에 가장 두드러질 수 있다는 가능성에 힘을 더합니다.
일반 토론
두 가지 실험에서 우리는 컨텍스트 바인딩에 대한 요구 사항을 변경하는 조작인 이종 메모리 세트와 동종 메모리 세트의 성능을 비교했습니다. 두 실험의 동작 결과에 대한 전반적인 패턴은 1보다 큰 로드의 경우 동종 메모리 세트에 비해 이기종 메모리 세트의 성능이 더 우수하다는 것을 나타냅니다. 이러한 차이는 이종 시험보다 동종 시험에서 더 강한 지연 기간 ERP 신호에 반영되었지만 이는 동측 및 대측 전극에서도 동일하게 적용되어 두 조건 간에 차이가 없는 CDA가 생성되었습니다. 우리의 접근 방식에 포함된 몇 가지 가정을 고려한 후 CDA 해석, 더 일반적으로는 VWM 이해에 대한 결과의 여러 가지 의미를 논의할 것입니다.
동질성 조작
주관적인 경험에 따르면 물체를 시각적으로 감지하고 인식할 때 우리는 자신이나 장면의 다른 물체에 대해 그것이 어디에 있는지 항상 등록합니다. 실제로 항목의 위치 인코딩은 자동적이고 의무적일 수 있습니다(Logan, 1998). 그러나 그럼에도 불구하고 일단 WM으로 인코딩되면 항목의 개별 기능이 강조되거나 덜 강조될 수 있다는 증거도 있습니다(Marshall and Bays, 2013). 실제로 우리 절차의 논리는 1O1C1L 또는 2O2C1L 배열의 각 항목이 반드시 고유한 위치를 차지하더라도 메모리 프로브(실험 1) 또는 리콜 휠(실험 2)의 특성으로 인해 각 항목과 평가판 고유 위치 간의 바인딩을 유지해야 합니다. 첫째, 프로브/휠의 위치는 테스트 중인 항목의 자극 범주와 항상 일치했습니다. 즉, 주관적인 관점에서 항목의 위치를 기억할 필요가 없다는 의미입니다. 재판이 끝나면 대리됩니다. 둘째, 각 시도에서 테스트되는 자극 기능이 프로브/휠에 명시적으로 포함되어 있기 때문에 프로브/휠 위치의 절단 기능이 중복되었습니다.
우리 설계의 한 가지 결과는 다소 역설적이게도 컨텍스트 바인딩 실패의 특징인 효과, 즉 스왑 오류의 해석 가능성을 덜 강조한다는 것입니다. 즉, 동종 시행의 교환 오류율은 문맥 결합 실패의 지표로 삼을 수 있지만 후자 조건에서는 교환이 불가능하므로 이종 시행과의 비교에 사용할 수 없습니다. (실제로 이러한 이유로 우리는 피험자가 일부 이질적인 시험에서 항목을 위치에 잘못 바인딩했을 가능성을 배제할 수 없습니다.) 또한 스왑 오류율을 고려할 때 컨텍스트 바인딩 수준에 대한 민감도가 있다는 점에 유의하는 것이 중요합니다. 요구 사항은 다른 요인에 따라 달라집니다. 예를 들어, 자극 세트 균질성 조작(3M 대 1M 1 1M2C)을 사용한 fMRI 연구에서 균질한 조건의 스왑 오류율은 무시할 수 있을 정도로 작았습니다. 이 결과는 동질성 조작의 실패로 해석될 수 있지만 대안적인 가능성은 3M 시험에서 피험자가 컨텍스트 바인딩에 대한 증가된 요구를 충족하기 위해 더 높은 수준의 인지 제어를 모집했다는 것입니다. 이 대안과 일관되게, 3M의 시험만이 WM 제어와 관련된 전두두정엽 영역에서 현저하게 더 높은 지연 기간 신호를 생성했습니다(Gosseries et al., 2018).
시사점
이 두 실험의 결과는 함께 WM 관련 활동의 ERP 측정에 대한 하나의 중요한 질문에 답하고 몇 가지 새로운 질문을 제기합니다.
CDA는 동종 메모리 세트에서 증폭되는 "비표상적 요인"을 반영하지 않습니다.
일반적으로 CDA는 메모리 배열의 모든 항목이 동일한 범주에서 추출되는 시험에서 파생되며 색상이 가장 일반적으로 사용됩니다. 이러한 균질한 메모리 세트에서 세트 크기가 증가함에 따라 자극 표현 자체 이외의 요소에 대한 요구가 증가하면 난이도가 증가합니다. 이는 실험 1의 1O1C1L 실험보다 3O 실험, 2O2C1L 실험보다 5O 실험의 지연 인식 성능이 더 나쁘고 실험 2의 1O1C1L 실험보다 3O 실험의 지연된 회상 성능이 더 나쁜 것으로 여기에 제시된 데이터에서 입증되었습니다. 자극 세트의 이질성은 색상 및 방향 대 색상(Olson and Jiang, 2002), 얼굴 및 장면 대 얼굴 또는 장면(Cohen et al. , 2014), 모션 방향 및 색상과 모션 방향만 비교합니다(Gosseries et al., 2018). 행동의 이러한 패턴에도 불구하고, 이 두 조건에서 CDA에 차이가 없다는 점은 이 연구에 동기를 부여한 명제를 뒷받침하지 못합니다. 즉, CDA가 부분적으로 활성 보유 이외의 인지 과정의 작동을 지표화할 수 있다는 것입니다. WM.2의 항목 정체성 대신, 현재 연구 결과는 Hakim et al.의 관점과 일치합니다. (2019, p. 238), "CDA는 관찰자가 시각적 개체와 관련된 기능 및 레이블의 앙상블을 통합할 수 있도록 하는 항목 기반 표현인 개체 파일의 활성 유지 관리를 추적합니다." 이 개념화에서 중요한 것은 "...객체 파일은 특정 시간과 장소에 에피소드 표현을 고정하고 객체 파일에 의해 함께 묶인 특정 특징 값과 구별된다"는 가정입니다. Hakim et al. (2019, p.537). 여기에 제시된 결과는 이질성 조작에 대한 CDA의 둔감에도 불구하고 우리의 행동 결과가 (추세 수준에서) 방향성 객체의 정확한 특징 값 표현을 제안했기 때문에 이러한 구별이 단일 특징 객체에도 적용될 수 있음을 시사합니다. -bar 자극은 이종 시험에 비해 동종 시험에서 저하되었습니다. 따라서 CDA가 작업 메모리에 보관된 항목 수를 추적하더라도 자극 표현의 품질을 반영하지 않는 것으로 보입니다.
위치 맥락에 대한 결합의 신경 상관관계는 공간적 주의로부터 적어도 부분적으로 분리될 수 있습니다.
여러 연구(Hakim et al., 2019 포함)에서는 CDA가 공간적 주의와 분리될 수 있음을 보여주었습니다. 현재의 결과는 품목의 위치를 해당 신원에 바인딩하는 적어도 일부 측면에서도 동일한 내용이 적용될 수 있음을 시사합니다. 즉, 비공간 WM 작업 중에 유지된 항목이 차지하는 위치가 EEG(Foster et al., 2017) 및 fMRI(Cai et al., 2019, 2020; Yu et al. , 2020) 신호에 따르면, 여기에 보고된 지연 기간 ERP의 균질성 관련 차이는 반대쪽 전극과 비슷한 수준의 동측 전극에서 나타났습니다. 이에 대한 한 가지 가능한 설명은 단 하나의 시각적 영역의 항목이 개별 시험과 관련이 있음에도 불구하고 동종 시험에서 맥락 결합의 중요성 증가에 민감한 프로세스가 전체 시각적 장면에 적용되었다는 것입니다. (반대로, 공간 주의의 망막학적 특정 효과는 아마도 두 실험의 모든 시험 유형에서 볼 수 있는 측면화된 오프셋에서 볼 수 있습니다.) 두 번째이자 호환되지 않는 가능성은 우선순위의 컨텍스트 바인딩에 중요한 프로세스가 있다는 것입니다. 자극 정보는 해당 정보를 WM으로 인코딩하는 동안(다음 지연 기간과 반대) 더 많이 사용됩니다. 이 가능성과 일치하는 것은 두 실험 모두에서 자극 배열이 여전히 화면에 있는 동안 ERP에서 이질성 효과가 이미 표시되었다는 사실입니다. 더욱이, 반대쪽 전극에서 효과가 더 강한 것은 샘플 프레젠테이션 중에만이었습니다. 이것이 사실이라면 시각적 작업 기억은 그 자체로 기억 시스템이 아니라 필요할 때 짧은 지연 동안 정보를 유지할 수 있는 범용 시각적 표현 시스템일 수 있다는 명제와 일치할 것입니다(행운과 보겔, 2013, p.394). 이러한 이유로 향후 작업에서는 지연 기간이 있거나 없는 시험에 대한 컨텍스트 바인딩 조작의 효과를 비교하는 것이 흥미로울 수 있습니다.
CDA는 IPS의 지연 기간 fMRI 신호와 근본적으로 다릅니다.
이전 연구에서는 IPS의 지연 기간 fMRI 신호가 메모리 부하에 따라 단조롭게 확장되고 개인의 작업 기억 용량을 포화시키는 것으로 나타났습니다(Todd and Marois, 2004; Xu and Chun, 2006). 유사한 기본 신경 프로세스를 색인화합니다. 그러나 여기에 제시된 CDA 결과는 CDA와 달리 IPS의 지연 기간 fMRI 신호가 메모리 세트 동질성에 민감하기 때문에 둘 사이의 중요한 차이점을 드러냅니다(Gosseries et al., 2018; Cai et al., 2020 ). 따라서 다른 신호의 속성을 기반으로 이러한 신호 중 하나에 대해 암시적으로 추론할 때는 주의가 필요합니다.
참고자료
1. Adam KCS, Robison MK, Vogel EK(2018) 반대측 지연 활동은 작업 기억 성능의 변동을 추적합니다. J Cogn Neurosci 30:1229–1240.
2. Bettencourt KC, Xu Y (2016) 후두엽 및 정수리 영역의 주의가 산만해진 상태에서 시각적 단기 기억의 내용을 디코딩합니다. Nat Neurosci 19:150–157.
3. Bays PM, Catalao RFG, Husain M(2009) 시각적 작업 메모리의 정밀도는 공유 리소스 할당에 따라 설정됩니다. J Vis 9(10):7, 1–11.
4. Cai Y, Sheldon AD, Yu Q, Postle BR(2019) 비공간 시각적 단기 기억에 대한 자극 위치와 공간적 맥락의 중복되고 뚜렷한 기여. J 신경물리학 121:1222-1231.
5. Cai Y, Fulvio JM, Yu Q, Sheldon AD, Postle BR (2020) 비공간 시각적 작업 메모리에서 위치 컨텍스트 바인딩의 역할. eNeuro 7:ENEURO.0430-20.2020.
6. Carlisle NB, Arita JT, Pardo D, Woodman GF(2011) 시각적 작업 메모리의 주의 템플릿. J Neurosci 31:9315–9322.
7. Cohen MA, Konkle T, Rhee JY, Nakayama K, Alvarez GA (2014) 여러 시각적 객체 처리는 신경 채널의 중첩으로 인해 제한됩니다. Proc Natl Acad Sci U|S|A 111:8955–8960.
8. Cowan N(2001) 단기 기억의 마법의 숫자 4: 정신 저장 용량에 대한 재검토. 행동 뇌 과학 24:87–114.
9. Delorme A, Makeig S (2004) EEGLAB: 독립 구성 요소 분석을 포함한 단일 시험 EEG 역학 분석을 위한 오픈 소스 도구 상자입니다. J Neurosci 방법 134:9–21.
10. Emrich SM, Al-Aidroos N, Pratt J, Ferber S (2009) 시각적 검색은 시각적 작업 기억의 전기 생리학적 마커를 이끌어냅니다. PLoS One 4:e8042.
11. Emrich SM, Riggall AC, LaRocque JJ, Postle BR (2013) 감각 피질의 분산 활동 패턴은 시각적 단기 기억에서 유지되는 여러 항목의 정밀도를 반영합니다. J Neurosci 33:6516–6523.
12. Ester EF, Sprague TC, Serences JT (2015) 두정엽 및 전두엽 피질은 시각적 작업 기억 중 자극 관련 니모닉 표현을 인코딩합니다. 뉴런 87:893-905.
13. Foster JJ, Bsales EM, Jaffe RJ, Awh E(2017) 알파밴드 활동은 시각적 작업 기억에서 공간 위치의 자발적인 표현을 드러냅니다. Curr Biol 27:3216–3223.e6.
14. Fukuda K, Mance I, Vogel EK(2015a) 전력 변조 및 이벤트 관련 서파는 시각적 작업 메모리의 해리 가능한 상관 관계를 제공합니다. J Neurosci 35:14009–14016.
15. Fukuda K, Woodman GF, Vogel EK(2015b) 시각적 작업 기억 용량의 개인차. In: 감각 작업 기억의 메커니즘: 주의력과 수행(Jolicoeur P, Lefebvre C, Martinez-Trujillo J, eds), pp 105-119. 암스테르담: 엘스비어.
For more information:1950477648nn@gmail.com
