![[userpic]](/media/13d872ec9f767ad8008e6f82e03d7d42b2046c53f7eed93d1d56b0786c852e74)
Вот, задумался, можно ли на смартфоне как-то надёжно калибровать сигналы подсознания. Прям без лишних прибамбасов.
Думаю, можно, например, используя датчик ускорения, калибровать сигналы ортостатики. Типа держишь девайс на вытянутой ладони, и по её раскачиваниям идёт калибровка сигнала. А вот будет ли работать ну какая-нибудь совсем предельно примитивная вещь – например, разделить экран смартфона пополам: одна половина "да", другая "нет" – и просить юзера закрыть глаза, дотронуться не доминантной рукой до носа, и потом наугад ткнуть в смартфон/планшет?
Другой вопрос – нужны лаконичные тексты шагов, умещающиеся средним шрифтом на один экран типичного 4-5 дюймового смартфона. И небольшой набор достаточно кратких пояснений к ним. Если кто-то хочет помочь - welcome.
Думаю, можно, например, используя датчик ускорения, калибровать сигналы ортостатики. Типа держишь девайс на вытянутой ладони, и по её раскачиваниям идёт калибровка сигнала. А вот будет ли работать ну какая-нибудь совсем предельно примитивная вещь – например, разделить экран смартфона пополам: одна половина "да", другая "нет" – и просить юзера закрыть глаза, дотронуться не доминантной рукой до носа, и потом наугад ткнуть в смартфон/планшет?
Другой вопрос – нужны лаконичные тексты шагов, умещающиеся средним шрифтом на один экран типичного 4-5 дюймового смартфона. И небольшой набор достаточно кратких пояснений к ним. Если кто-то хочет помочь - welcome.
41 комментарий
сначала старые сначала новые
![[userpic]](/media/4587bb8388ee4725e346652254c934c26f18585afe1756ca95df939553e68845)
Вот, задумался, можно ли на смартфоне как-то надёжно калибровать сигналы подсознания. Прям без лишних прибамбасов.
Аааа... а как?
Думаю, можно, например, используя датчик ускорения, калибровать сигналы ортостатики. Типа держишь девайс на вытянутой ладони, и по её раскачиваниям идёт калибровка сигнала.
Там такой чувствительный датчик ускорений?
Тогда уж так: инструкция после вопроса произвольно взмахивать рукой. А этот датчик ускорений укажет непроизвольную компоненту в таком взмахивании.
Между прочим, у Лурии (у пионера калибровки непроизвольных сигналов/физиологии) использовалась такая система генерации сигналинга:
--испытуемый в ответ на вопрос нажимал грушу типа как в старинном распылителе духов.
--воздух из груши приводил в движение стрелку осциллографа
...сигналом была непроизвольная компонента качества движений руки.
Очень простой, надежный и устойчивый сигналинг.
Аааа... а как?
Думаю, можно, например, используя датчик ускорения, калибровать сигналы ортостатики. Типа держишь девайс на вытянутой ладони, и по её раскачиваниям идёт калибровка сигнала.
Там такой чувствительный датчик ускорений?
Тогда уж так: инструкция после вопроса произвольно взмахивать рукой. А этот датчик ускорений укажет непроизвольную компоненту в таком взмахивании.
Между прочим, у Лурии (у пионера калибровки непроизвольных сигналов/физиологии) использовалась такая система генерации сигналинга:
--испытуемый в ответ на вопрос нажимал грушу типа как в старинном распылителе духов.
--воздух из груши приводил в движение стрелку осциллографа
...сигналом была непроизвольная компонента качества движений руки.
Очень простой, надежный и устойчивый сигналинг.
Рефрейминг и другая диагностика на непроизвольных движениях
А вот будет ли работать ну какая-нибудь совсем предельно примитивная вещь – например, разделить экран смартфона пополам: одна половина "да", другая "нет" – и просить юзера закрыть глаза, дотронуться не доминантной рукой до носа, и потом наугад ткнуть в смартфон/планшет?
Ну, или использовать мою разработку: испытуемый делает произвольные движения мышкой/пальцем на тачскире. Сигналинг содержится в в специальных непроизвольных характеристиках получающейся траектории.
Ну, т.е. в таком варианте не надо никаких датчиков. Но, потребуется специальный софт.
Такой софт будет иметь более обширное применение, нежели только специальные процедуры типа рефрейминга.
С другой стороны. При наличии такого софта рефрейминг перестает быть специальной процедурой.
Его можно проводить параллельно текущей работе.
Вопросы/инструкции рефрейминга можно будет подавать даже на подпороговом уровне восприятия!
Вообще, на таком софте можно калибровать:
--ауто_идентификацию - востребовано в банкинге, в дистанционном обучении. В корпоративных системах безопасности.
--показатели САН
--показатели лояльности
...фактически - показатели чего только не захочешь.
А вот будет ли работать ну какая-нибудь совсем предельно примитивная вещь – например, разделить экран смартфона пополам: одна половина "да", другая "нет" – и просить юзера закрыть глаза, дотронуться не доминантной рукой до носа, и потом наугад ткнуть в смартфон/планшет?
Ну, или использовать мою разработку: испытуемый делает произвольные движения мышкой/пальцем на тачскире. Сигналинг содержится в в специальных непроизвольных характеристиках получающейся траектории.
Ну, т.е. в таком варианте не надо никаких датчиков. Но, потребуется специальный софт.
Такой софт будет иметь более обширное применение, нежели только специальные процедуры типа рефрейминга.
С другой стороны. При наличии такого софта рефрейминг перестает быть специальной процедурой.
Его можно проводить параллельно текущей работе.
Вопросы/инструкции рефрейминга можно будет подавать даже на подпороговом уровне восприятия!
Вообще, на таком софте можно калибровать:
--ауто_идентификацию - востребовано в банкинге, в дистанционном обучении. В корпоративных системах безопасности.
--показатели САН
--показатели лояльности
...фактически - показатели чего только не захочешь.
Ну и есть такой простой вариант калибровки сигналинга для рефрейминга.
Субъекту предлагается сделать быстрый выбор из каких-то таблиц/матриц, типа таблиц Шульте.
Характер/качество и конкретная последовательность выбора содержит в себе искомые сигналы.
Я читал, что такие системы используются в качестве ключа-идентификатора в ответственным допускам.
Субъекту предлагается сделать быстрый выбор из каких-то таблиц/матриц, типа таблиц Шульте.
Характер/качество и конкретная последовательность выбора содержит в себе искомые сигналы.
Я читал, что такие системы используются в качестве ключа-идентификатора в ответственным допускам.
![[userpic]](/media/45c12bbb7f0b515a2b05fc63354b8b715983541738521c51fa79432b5427cb55)
Т.е. в такой программе когда испытуемый делает произвольные движения он по любому дает ответ да или нет? Т.е. субъект задал себе вопрос, к примеру - "Сегодня вторник?" подвигал мышкой и на мониторе ответ ДА или НЕТ?
Я бы купил такую программу.
Я бы купил такую программу.
Там такой чувствительный датчик ускорений?
Ну, достаточно чувствительный/точный, чтобы существовали вот такие игры:
Задача, типа – при наклоне планшета меняется "гравитация" внутри игры (интуитивно понятным способом), надо типа наклоняя устройство провести мячик по дорожкам. Я играл в подобные, вполне нормальное управление. (Правда, оффтопиком: от таких игр гораздо тяжелей переносятся поездки в общественном транспорте.)
Тогда уж так: инструкция после вопроса произвольно взмахивать рукой. А этот датчик ускорений укажет непроизвольную компоненту в таком взмахивании.
Хм, тогда уже моя очередь просить применить к этой рекомендации применить критерий немедленного исполнения :) Какой конкретный алгоритм позволит вычленить непроизвольную компоненту?
Между прочим, у Лурии (у пионера калибровки непроизвольных сигналов/физиологии) использовалась такая система генерации сигналинга:
--испытуемый в ответ на вопрос нажимал грушу типа как в старинном распылителе духов.
--воздух из груши приводил в движение стрелку осциллографа
...сигналом была непроизвольная компонента качества движений руки.
Очень простой, надежный и устойчивый сигналинг.
Ну, мне кажется, воспроизвести на основе акселерометра подобную вещь будет не сложно. Но только мне что-то априори кажется, что в итоге "распознавание паттернов" на осцилограмме в итоге делали у Лурии люди. Если нет, то каким алгоритмом (или какими аналоговыми преобразованиями) вычленялась эта "непроизвольная компонента"?
Ну, достаточно чувствительный/точный, чтобы существовали вот такие игры:
Задача, типа – при наклоне планшета меняется "гравитация" внутри игры (интуитивно понятным способом), надо типа наклоняя устройство провести мячик по дорожкам. Я играл в подобные, вполне нормальное управление. (Правда, оффтопиком: от таких игр гораздо тяжелей переносятся поездки в общественном транспорте.)
Тогда уж так: инструкция после вопроса произвольно взмахивать рукой. А этот датчик ускорений укажет непроизвольную компоненту в таком взмахивании.
Хм, тогда уже моя очередь просить применить к этой рекомендации применить критерий немедленного исполнения :) Какой конкретный алгоритм позволит вычленить непроизвольную компоненту?
Между прочим, у Лурии (у пионера калибровки непроизвольных сигналов/физиологии) использовалась такая система генерации сигналинга:
--испытуемый в ответ на вопрос нажимал грушу типа как в старинном распылителе духов.
--воздух из груши приводил в движение стрелку осциллографа
...сигналом была непроизвольная компонента качества движений руки.
Очень простой, надежный и устойчивый сигналинг.
Ну, мне кажется, воспроизвести на основе акселерометра подобную вещь будет не сложно. Но только мне что-то априори кажется, что в итоге "распознавание паттернов" на осцилограмме в итоге делали у Лурии люди. Если нет, то каким алгоритмом (или какими аналоговыми преобразованиями) вычленялась эта "непроизвольная компонента"?
Так ее на обычном компе бы отладить или как?
Сколько в апплесторе стоят нормальные приложения?
Сколько в апплесторе стоят нормальные приложения?
Ну, или использовать мою разработку: испытуемый делает произвольные движения мышкой/пальцем на тачскире. Сигналинг содержится в в специальных непроизвольных характеристиках получающейся траектории.
Если с акселерометром и произвольным взмахами руки – это "очень сложный" (в плане реализуемости) вариант, то это – просто "сложный".
Известны ли вам наперёд, какие паттерны требуется детектировать (т.е. задача чисто техническая), или их надо будет ещё найти (т.е. ещё есть задача моделирования)?
Ну, т.е. в таком варианте не надо никаких датчиков. Но, потребуется специальный софт.
Использование встроенных датчиков – не сильно большая проблема. Хотя достаточно хороший тач-скрин будет, наверное, на большем числе устройств, чем нормальный акселерометр.
Такой софт будет иметь более обширное применение, нежели только специальные процедуры типа рефрейминга.
Да уж! По меньшей мере терапевтический софт. Идея замечательная, поскольку опирается на центральную идею, которую никто без Метапрактика в мире не реализует. При этом она терпимая по сложности в реализации, можно сделать "на коленке" силами микро-команды. Одновременно, всё что вокруг этой идеи (ну, в рефрейминге это вывод экранов с поясняющим текстом + логика переходов-возвратов) реализуется тривиально.
–С другой стороны. При наличии такого софта рефрейминг перестает быть специальной процедурой.
–Его можно проводить параллельно текущей работе.
–Вопросы/инструкции рефрейминга можно будет подавать даже на подпороговом уровне восприятия!
Надо будет запатентовать всё вдоль и попрёк! :)
Вообще, на таком софте можно калибровать:
--ауто_идентификацию - востребовано в банкинге, в дистанционном обучении. В корпоративных системах безопасности.
--показатели САН
--показатели лояльности
...фактически - показатели чего только не захочешь.
Ну да.
Если с акселерометром и произвольным взмахами руки – это "очень сложный" (в плане реализуемости) вариант, то это – просто "сложный".
Известны ли вам наперёд, какие паттерны требуется детектировать (т.е. задача чисто техническая), или их надо будет ещё найти (т.е. ещё есть задача моделирования)?
Ну, т.е. в таком варианте не надо никаких датчиков. Но, потребуется специальный софт.
Использование встроенных датчиков – не сильно большая проблема. Хотя достаточно хороший тач-скрин будет, наверное, на большем числе устройств, чем нормальный акселерометр.
Такой софт будет иметь более обширное применение, нежели только специальные процедуры типа рефрейминга.
Да уж! По меньшей мере терапевтический софт. Идея замечательная, поскольку опирается на центральную идею, которую никто без Метапрактика в мире не реализует. При этом она терпимая по сложности в реализации, можно сделать "на коленке" силами микро-команды. Одновременно, всё что вокруг этой идеи (ну, в рефрейминге это вывод экранов с поясняющим текстом + логика переходов-возвратов) реализуется тривиально.
–С другой стороны. При наличии такого софта рефрейминг перестает быть специальной процедурой.
–Его можно проводить параллельно текущей работе.
–Вопросы/инструкции рефрейминга можно будет подавать даже на подпороговом уровне восприятия!
Надо будет запатентовать всё вдоль и попрёк! :)
Вообще, на таком софте можно калибровать:
--ауто_идентификацию - востребовано в банкинге, в дистанционном обучении. В корпоративных системах безопасности.
--показатели САН
--показатели лояльности
...фактически - показатели чего только не захочешь.
Ну да.
Так ее на обычном компе бы отладить или как?
Хм, ну предварительно позиционирование всё же на мобильные платформы.
Сколько в апплесторе стоят нормальные приложения?
Я себе очень слабо представляю, как правильно формировать цену. Диапазон от балды: 3-10 баксов.
Хм, ну предварительно позиционирование всё же на мобильные платформы.
Сколько в апплесторе стоят нормальные приложения?
Я себе очень слабо представляю, как правильно формировать цену. Диапазон от балды: 3-10 баксов.
А ещё помню описывали сигналлинг на основе непроизвольных движений по ходу набора текста.
↩︎
metanymous
Да был такой.
Исследовался с помощью вспомогательной программы под именем "крези клава".
--Ну, или использовать мою разработку: испытуемый делает произвольные движения мышкой/пальцем на тачскире. Сигналинг содержится в в специальных непроизвольных характеристиках получающейся траектории.
--Если с акселерометром и произвольным взмахами руки – это "очень сложный" (в плане реализуемости) вариант, то это – просто "сложный".
Что-то ты меня запутал что сложно, а что очень сложно. Сейчас распутаем.
Просто взмахиваем однократно рукой и смотрим на акселерометр. Считываем показание1.
Затем, задаем сами себе калибровочный вопрос и снова взмахиваем рукой. Считываем показание2.
И т.д.
И что же здесь сложного?
--Если с акселерометром и произвольным взмахами руки – это "очень сложный" (в плане реализуемости) вариант, то это – просто "сложный".
Что-то ты меня запутал что сложно, а что очень сложно. Сейчас распутаем.
Просто взмахиваем однократно рукой и смотрим на акселерометр. Считываем показание1.
Затем, задаем сами себе калибровочный вопрос и снова взмахиваем рукой. Считываем показание2.
И т.д.
И что же здесь сложного?
Известны ли вам наперёд, какие паттерны требуется детектировать (т.е. задача чисто техническая), или их надо будет ещё найти (т.е. ещё есть задача моделирования)?
Ну, в этом месте сложность не с моделированием движений. В этом месте сложность в математическом моделировании. Требуется программа, которая (а) аппроксимирует пиксельные линии в непрерывные "геометрические" кривые (б) классифицирует "геометрические" кривые по онтологическим признакам, например, - "петля". И т.п.
Ну, т.е. в таком варианте не надо никаких датчиков. Но, потребуется специальный софт.
Да, специальная программа.
Использование встроенных датчиков – не сильно большая проблема. Хотя достаточно хороший тач-скрин будет, наверное, на большем числе устройств, чем нормальный акселерометр.
Совершенно верно.
Такой софт будет иметь более обширное применение, нежели только специальные процедуры типа рефрейминга.
Да уж! По меньшей мере терапевтический софт. Идея замечательная, поскольку опирается на центральную идею, которую никто без Метапрактика в мире не реализует. При этом она терпимая по сложности в реализации, можно сделать "на коленке" силами микро-команды. Одновременно, всё что вокруг этой идеи (ну, в рефрейминге это вывод экранов с поясняющим текстом + логика переходов-возвратов) реализуется тривиально.
Да, совершенно верно. Я в своём исследовании просто показал, что наличествует огромное число двигательных КАЧЕСТВЕННЫХ (не статистических) признаков в движениях любого субъекта.
Выше я указал одну такую "фигуру" - "петлю". Таких фигур/признаков в 15 минутной функциональной двигательной пробе любого субъекта содержится несколько десятков. На поверхности.
В качестве функциональной пробы субъекту было задание 15 минут разглядывать некий сайт.
–С другой стороны. При наличии такого софта рефрейминг перестает быть специальной процедурой.
–Его можно проводить параллельно текущей работе.
–Вопросы/инструкции рефрейминга можно будет подавать даже на подпороговом уровне восприятия!
--Надо будет запатентовать всё вдоль и попрёк! :)
Да, надо.
--Вообще, на таком софте можно калибровать: -ауто_идентификацию - востребовано в банкинге, в дистанционном обучении. В корпоративных системах безопасности. -показатели САН -показатели лояльности ..фактически - показатели чего только не захочешь.
--Ну да.
Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
Ну, в этом месте сложность не с моделированием движений. В этом месте сложность в математическом моделировании. Требуется программа, которая (а) аппроксимирует пиксельные линии в непрерывные "геометрические" кривые (б) классифицирует "геометрические" кривые по онтологическим признакам, например, - "петля". И т.п.
Ну, т.е. в таком варианте не надо никаких датчиков. Но, потребуется специальный софт.
Да, специальная программа.
Использование встроенных датчиков – не сильно большая проблема. Хотя достаточно хороший тач-скрин будет, наверное, на большем числе устройств, чем нормальный акселерометр.
Совершенно верно.
Такой софт будет иметь более обширное применение, нежели только специальные процедуры типа рефрейминга.
Да уж! По меньшей мере терапевтический софт. Идея замечательная, поскольку опирается на центральную идею, которую никто без Метапрактика в мире не реализует. При этом она терпимая по сложности в реализации, можно сделать "на коленке" силами микро-команды. Одновременно, всё что вокруг этой идеи (ну, в рефрейминге это вывод экранов с поясняющим текстом + логика переходов-возвратов) реализуется тривиально.
Да, совершенно верно. Я в своём исследовании просто показал, что наличествует огромное число двигательных КАЧЕСТВЕННЫХ (не статистических) признаков в движениях любого субъекта.
Выше я указал одну такую "фигуру" - "петлю". Таких фигур/признаков в 15 минутной функциональной двигательной пробе любого субъекта содержится несколько десятков. На поверхности.
В качестве функциональной пробы субъекту было задание 15 минут разглядывать некий сайт.
–С другой стороны. При наличии такого софта рефрейминг перестает быть специальной процедурой.
–Его можно проводить параллельно текущей работе.
–Вопросы/инструкции рефрейминга можно будет подавать даже на подпороговом уровне восприятия!
--Надо будет запатентовать всё вдоль и попрёк! :)
Да, надо.
--Вообще, на таком софте можно калибровать: -ауто_идентификацию - востребовано в банкинге, в дистанционном обучении. В корпоративных системах безопасности. -показатели САН -показатели лояльности ..фактически - показатели чего только не захочешь.
--Ну да.
Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
Что-то ты меня запутал что сложно, а что очень сложно. Сейчас распутаем.
Ну, вы, похоже, говорите о сложности с точки зрения юзера. А я прикидываю сложность реализации :) Грубо говоря, затраты в человеко-часах на разработку системы, позволяющей автоматически калибровать соответствующие сигналы.
Снятие сигнала по диагностическим данным "таблиц Шульте" или любых аналогов: просто.
По непроизвольным сигналам набираемого текста: средней сложности.
По данным траекторий движения пальца по экрану: сложно.
По данным акселерометра: очень сложно.
Просто взмахиваем однократно рукой и смотрим на акселерометр. Считываем показание1. Затем, задаем сами себе калибровочный вопрос и снова взмахиваем рукой. Считываем показание2. И т.д. И что же здесь сложного?
Для пользователя не сложно. С другой стороны, м.б. не самый удобный вариант, потому что типа "в фоне" рукой не помашешь – надо специально типа "заниматься рефреймингом". Ну и там в транспорте, например, не будешь делать. Зато, с другой стороны, довольно эффектный вариант.
Для разработчика очень сложно. Сама по себе работа с сенсором дело не простое, в независимости от того, что с ним делать – надо разбираться. А вот детектирование паттернов непроизвольных движений – я не представляю как сделать. Даже если есть/будет детальное описание таких паттернов, например до такого уровня, что не подготовленный человек, глядя на график движений, сможет определить/вычленить "сигнал" – задача запрограммировать компьютерное из распознавание охренительно сложная :)
Отвлечённый пример/репер – даже распознавание номеров проезжающих под дорожной камерой автомобилей-нарушителей это не решённая в наше время задача. Номера распознают/корректируют в конечном итоге операторы центра контроля движения.
А тут какой-то хитрый аналоговый паттерн.
Ну, вы, похоже, говорите о сложности с точки зрения юзера. А я прикидываю сложность реализации :) Грубо говоря, затраты в человеко-часах на разработку системы, позволяющей автоматически калибровать соответствующие сигналы.
Снятие сигнала по диагностическим данным "таблиц Шульте" или любых аналогов: просто.
По непроизвольным сигналам набираемого текста: средней сложности.
По данным траекторий движения пальца по экрану: сложно.
По данным акселерометра: очень сложно.
Просто взмахиваем однократно рукой и смотрим на акселерометр. Считываем показание1. Затем, задаем сами себе калибровочный вопрос и снова взмахиваем рукой. Считываем показание2. И т.д. И что же здесь сложного?
Для пользователя не сложно. С другой стороны, м.б. не самый удобный вариант, потому что типа "в фоне" рукой не помашешь – надо специально типа "заниматься рефреймингом". Ну и там в транспорте, например, не будешь делать. Зато, с другой стороны, довольно эффектный вариант.
Для разработчика очень сложно. Сама по себе работа с сенсором дело не простое, в независимости от того, что с ним делать – надо разбираться. А вот детектирование паттернов непроизвольных движений – я не представляю как сделать. Даже если есть/будет детальное описание таких паттернов, например до такого уровня, что не подготовленный человек, глядя на график движений, сможет определить/вычленить "сигнал" – задача запрограммировать компьютерное из распознавание охренительно сложная :)
Отвлечённый пример/репер – даже распознавание номеров проезжающих под дорожной камерой автомобилей-нарушителей это не решённая в наше время задача. Номера распознают/корректируют в конечном итоге операторы центра контроля движения.
А тут какой-то хитрый аналоговый паттерн.
--Тогда уж так: инструкция после вопроса произвольно взмахивать рукой. А этот датчик ускорений укажет непроизвольную компоненту в таком взмахивании.
--Хм, тогда уже моя очередь просить применить к этой рекомендации применить критерий немедленного исполнения :) Какой конкретный алгоритм позволит вычленить непроизвольную компоненту?
(1) Преврати показания акселерометра в цифру. В любой аналоговый эквивалент.
(2) Далее, прямо считываешь цифровые или аналоговые показатели.
--Между прочим, у Лурии (у пионера калибровки непроизвольных сигналов/физиологии) использовалась такая система генерации сигналинга: -испытуемый в ответ на вопрос нажимал грушу типа как в старинном распылителе духов. -воздух из груши приводил в движение стрелку осциллографа ...сигналом была непроизвольная компонента качества движений руки. Очень простой, надежный и устойчивый сигналинг.
--Ну, мне кажется, воспроизвести на основе акселерометра подобную вещь будет не сложно. Но только мне что-то априори кажется, что в итоге "распознавание паттернов" на осцилограмме в итоге делали у Лурии люди.
Да нет же. Там такие грубые паттерны, что они бросаются в глаза.
Если нет, то каким алгоритмом (или какими аналоговыми преобразованиями) вычленялась эта "непроизвольная компонента"?
Там были: задержки с ответом, изменения амплитуды чуть ли не в разы. И т.п.
--Хм, тогда уже моя очередь просить применить к этой рекомендации применить критерий немедленного исполнения :) Какой конкретный алгоритм позволит вычленить непроизвольную компоненту?
(1) Преврати показания акселерометра в цифру. В любой аналоговый эквивалент.
(2) Далее, прямо считываешь цифровые или аналоговые показатели.
--Между прочим, у Лурии (у пионера калибровки непроизвольных сигналов/физиологии) использовалась такая система генерации сигналинга: -испытуемый в ответ на вопрос нажимал грушу типа как в старинном распылителе духов. -воздух из груши приводил в движение стрелку осциллографа ...сигналом была непроизвольная компонента качества движений руки. Очень простой, надежный и устойчивый сигналинг.
--Ну, мне кажется, воспроизвести на основе акселерометра подобную вещь будет не сложно. Но только мне что-то априори кажется, что в итоге "распознавание паттернов" на осцилограмме в итоге делали у Лурии люди.
Да нет же. Там такие грубые паттерны, что они бросаются в глаза.
Если нет, то каким алгоритмом (или какими аналоговыми преобразованиями) вычленялась эта "непроизвольная компонента"?
Там были: задержки с ответом, изменения амплитуды чуть ли не в разы. И т.п.
Ну, в этом месте сложность не с моделированием движений. В этом месте сложность в математическом моделировании.
Ну, ваш покорный, увы, не специализируется именно на мат. моделировании. Поэтому может разбираться в этой теме не более чем на уровне человека с не самым плохим обще-техническим образованием.
Требуется программа, которая (а) аппроксимирует пиксельные линии в непрерывные "геометрические" кривые (б) классифицирует "геометрические" кривые по онтологическим признакам, например, - "петля". И т.п.
Тут нет двух шагов, это один шаг.
Если есть наперёд заданная онтология, то определять её – решённая (современной наукой и техникой) задача.
Программы, распознающие "жесты мыши", могут распознавать траектории любой степени заковыристости, состоящие из элементарных элементов типа тех же полуколец, отрезков и т.д.
В таком случае это решаемая своими силами задача. Но очень трудоёмкая.
–Да, совершенно верно. Я в своём исследовании просто показал, что наличествует огромное число двигательных КАЧЕСТВЕННЫХ (не статистических) признаков в движениях любого субъекта.
–Выше я указал одну такую "фигуру" - "петлю". Таких фигур/признаков в 15 минутной функциональной двигательной пробе любого субъекта содержится несколько десятков. На поверхности.
–В качестве функциональной пробы субъекту было задание 15 минут разглядывать некий сайт.
Ну, сырая выжимка из этого, как я понимаю, что готовой модели именно "сигналлинга" на этих траекториях пока нет. Или перейти от "онтологии фоновых движений" к "онтологии СИГНАЛЬНЫХ движений" – это тривиальная задача?
Да, надо.
Или засекретить :)
Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
Ну, надо делать то, что:
– можем сделать своими силами
– займёт максимум небольшое количество месяцев работ (в свободное время)
– имеет очевидную прямую пользу и ээ потребительскую привлекательность для широкой публики
М.б. под эти критерии подойдёт лучше что-то другое, чем именно рефрейминг.
Приманивать каких-то мега-инвесторов ни смысла, ни возможности (на первом шаге) нет.
Ну, ваш покорный, увы, не специализируется именно на мат. моделировании. Поэтому может разбираться в этой теме не более чем на уровне человека с не самым плохим обще-техническим образованием.
Требуется программа, которая (а) аппроксимирует пиксельные линии в непрерывные "геометрические" кривые (б) классифицирует "геометрические" кривые по онтологическим признакам, например, - "петля". И т.п.
Тут нет двух шагов, это один шаг.
Если есть наперёд заданная онтология, то определять её – решённая (современной наукой и техникой) задача.
Программы, распознающие "жесты мыши", могут распознавать траектории любой степени заковыристости, состоящие из элементарных элементов типа тех же полуколец, отрезков и т.д.
В таком случае это решаемая своими силами задача. Но очень трудоёмкая.
–Да, совершенно верно. Я в своём исследовании просто показал, что наличествует огромное число двигательных КАЧЕСТВЕННЫХ (не статистических) признаков в движениях любого субъекта.
–Выше я указал одну такую "фигуру" - "петлю". Таких фигур/признаков в 15 минутной функциональной двигательной пробе любого субъекта содержится несколько десятков. На поверхности.
–В качестве функциональной пробы субъекту было задание 15 минут разглядывать некий сайт.
Ну, сырая выжимка из этого, как я понимаю, что готовой модели именно "сигналлинга" на этих траекториях пока нет. Или перейти от "онтологии фоновых движений" к "онтологии СИГНАЛЬНЫХ движений" – это тривиальная задача?
Да, надо.
Или засекретить :)
Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
Ну, надо делать то, что:
– можем сделать своими силами
– займёт максимум небольшое количество месяцев работ (в свободное время)
– имеет очевидную прямую пользу и ээ потребительскую привлекательность для широкой публики
М.б. под эти критерии подойдёт лучше что-то другое, чем именно рефрейминг.
Приманивать каких-то мега-инвесторов ни смысла, ни возможности (на первом шаге) нет.
Там были: задержки с ответом, изменения амплитуды чуть ли не в разы. И т.п.
Теперь понял. Калибровка таких вещей – исполнимая задача.
Теперь понял. Калибровка таких вещей – исполнимая задача.
--Ну, в этом месте сложность не с моделированием движений. В этом месте сложность в математическом моделировании.
--Ну, ваш покорный, увы, не специализируется именно на мат. моделировании. Поэтому может разбираться в этой теме не более чем на уровне человека с не самым плохим обще-техническим образованием.
В те времена мы находили в интернете готовое решение этой задачи.
--Требуется программа, которая (а) аппроксимирует пиксельные линии в непрерывные "геометрические" кривые (б) классифицирует "геометрические" кривые по онтологическим признакам, например, - "петля". И т.п.
--Тут нет двух шагов, это один шаг.
Два.
--Если есть наперёд заданная онтология, то определять её – решённая (современной наукой и техникой) задача.
--Программы, распознающие "жесты мыши", могут распознавать траектории любой степени заковыристости, состоящие из элементарных элементов типа тех же полуколец, отрезков и т.д.
Эта онтология у меня в голове. А где твои распознающие программы?
В таком случае это решаемая своими силами задача. Но очень трудоёмкая.
В своё время эту задачу решил студент-дипломник факультета инфор. технологий.
Ну, сырая выжимка из этого, как я понимаю, что готовой модели именно "сигналлинга" на этих траекториях пока нет. Или перейти от "онтологии фоновых движений" к "онтологии СИГНАЛЬНЫХ движений" – это тривиальная задача?
Совершенно верно.
--Да, надо.
--Или засекретить :)
С моим уходом это будет засекречено сверхнадежно.
Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
--Ну, надо делать то, что: – можем сделать своими силами – займёт максимум небольшое количество месяцев работ (в свободное время) – имеет очевидную прямую пользу и ээ потребительскую привлекательность для широкой публики
--М.б. под эти критерии подойдёт лучше что-то другое, чем именно рефрейминг.
Ну да.
Приманивать каких-то мега-инвесторов ни смысла, ни возможности (на первом шаге) нет.
Ну да.
--Ну, ваш покорный, увы, не специализируется именно на мат. моделировании. Поэтому может разбираться в этой теме не более чем на уровне человека с не самым плохим обще-техническим образованием.
В те времена мы находили в интернете готовое решение этой задачи.
--Требуется программа, которая (а) аппроксимирует пиксельные линии в непрерывные "геометрические" кривые (б) классифицирует "геометрические" кривые по онтологическим признакам, например, - "петля". И т.п.
--Тут нет двух шагов, это один шаг.
Два.
--Если есть наперёд заданная онтология, то определять её – решённая (современной наукой и техникой) задача.
--Программы, распознающие "жесты мыши", могут распознавать траектории любой степени заковыристости, состоящие из элементарных элементов типа тех же полуколец, отрезков и т.д.
Эта онтология у меня в голове. А где твои распознающие программы?
В таком случае это решаемая своими силами задача. Но очень трудоёмкая.
В своё время эту задачу решил студент-дипломник факультета инфор. технологий.
Ну, сырая выжимка из этого, как я понимаю, что готовой модели именно "сигналлинга" на этих траекториях пока нет. Или перейти от "онтологии фоновых движений" к "онтологии СИГНАЛЬНЫХ движений" – это тривиальная задача?
Совершенно верно.
--Да, надо.
--Или засекретить :)
С моим уходом это будет засекречено сверхнадежно.
Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
--Ну, надо делать то, что: – можем сделать своими силами – займёт максимум небольшое количество месяцев работ (в свободное время) – имеет очевидную прямую пользу и ээ потребительскую привлекательность для широкой публики
--М.б. под эти критерии подойдёт лучше что-то другое, чем именно рефрейминг.
Ну да.
Приманивать каких-то мега-инвесторов ни смысла, ни возможности (на первом шаге) нет.
Ну да.
--Если есть наперёд заданная онтология, то определять её – решённая (современной наукой и техникой) задача.
--Программы, распознающие "жесты мыши", могут распознавать траектории любой степени заковыристости, состоящие из элементарных элементов типа тех же полуколец, отрезков и т.д.
--Эта онтология у меня в голове. А где твои распознающие программы?
Они не "мои". Они просто существуют, кем-то уже написанные. Я помню, сто лет назад ковырялся в исходниках одной из этих прог. Раз кто-то уже написал, я смогу повторить.
--Программы, распознающие "жесты мыши", могут распознавать траектории любой степени заковыристости, состоящие из элементарных элементов типа тех же полуколец, отрезков и т.д.
--Эта онтология у меня в голове. А где твои распознающие программы?
Они не "мои". Они просто существуют, кем-то уже написанные. Я помню, сто лет назад ковырялся в исходниках одной из этих прог. Раз кто-то уже написал, я смогу повторить.
–В таком случае это решаемая своими силами задача. Но очень трудоёмкая.
–В своё время эту задачу решил студент-дипломник факультета инфор. технологий.
Эту = какую? Именно задачу распознавания паттернов в траекториях мыши? Или задачу записывания и проигрывания траекторий, чтобы потом некий человек/оператор распознавал паттерны своей головой?
--Ну, сырая выжимка из этого, как я понимаю, что готовой модели именно "сигналлинга" на этих траекториях пока нет. Или перейти от "онтологии фоновых движений" к "онтологии СИГНАЛЬНЫХ движений" – это тривиальная задача?
--Совершенно верно.
Понятно.
--Да, надо.
--Или засекретить :)
--С моим уходом это будет засекречено сверхнадежно. Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
Ну что тогда, обсуждаем совместное предприятие? :)
--Ну, надо делать то, что: – можем сделать своими силами – займёт максимум небольшое количество месяцев работ (в свободное время) – имеет очевидную прямую пользу и ээ потребительскую привлекательность для широкой публики
--М.б. под эти критерии подойдёт лучше что-то другое, чем именно рефрейминг.
--Ну да.
Ну подумаем. Надо каталогизировать все возможные идеи.
--Приманивать каких-то мега-инвесторов ни смысла, ни возможности (на первом шаге) нет.
--Ну да.
Ну и бог с ними.
–В своё время эту задачу решил студент-дипломник факультета инфор. технологий.
Эту = какую? Именно задачу распознавания паттернов в траекториях мыши? Или задачу записывания и проигрывания траекторий, чтобы потом некий человек/оператор распознавал паттерны своей головой?
--Ну, сырая выжимка из этого, как я понимаю, что готовой модели именно "сигналлинга" на этих траекториях пока нет. Или перейти от "онтологии фоновых движений" к "онтологии СИГНАЛЬНЫХ движений" – это тривиальная задача?
--Совершенно верно.
Понятно.
--Да, надо.
--Или засекретить :)
--С моим уходом это будет засекречено сверхнадежно. Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
Ну что тогда, обсуждаем совместное предприятие? :)
--Ну, надо делать то, что: – можем сделать своими силами – займёт максимум небольшое количество месяцев работ (в свободное время) – имеет очевидную прямую пользу и ээ потребительскую привлекательность для широкой публики
--М.б. под эти критерии подойдёт лучше что-то другое, чем именно рефрейминг.
--Ну да.
Ну подумаем. Надо каталогизировать все возможные идеи.
--Приманивать каких-то мега-инвесторов ни смысла, ни возможности (на первом шаге) нет.
--Ну да.
Ну и бог с ними.
Вон ребята реализовали механизм идентификации юзера по движениям мыши (во время игры в 3D-шутеры):
99,999999728% защита от читеров в 3D-шутерах
http://geektimes.ru/post/250244/
Используют чисто "количественный" подход. Замеряют всё что можно. Опрашивают людей по анкете из 64 вопросов. Потом выводят корреляции между движениями мыши и ответами на вопросы. Из этого выводят вероятность принадлежности того или иного образца движений человеку, который бы ответил так или иначе на анкетный вопрос. Из этого следует вероятность того, что испытуемый тот, за кого себя выдаёт.
99,999999728% защита от читеров в 3D-шутерах
http://geektimes.ru/post/250244/
Используют чисто "количественный" подход. Замеряют всё что можно. Опрашивают людей по анкете из 64 вопросов. Потом выводят корреляции между движениями мыши и ответами на вопросы. Из этого выводят вероятность принадлежности того или иного образца движений человеку, который бы ответил так или иначе на анкетный вопрос. Из этого следует вероятность того, что испытуемый тот, за кого себя выдаёт.
Вон ребята реализовали механизм идентификации юзера по движениям мыши (во время игры в 3D-шутеры):
99,999999728% защита от читеров в 3D-шутерах
http://geektimes.ru/post/250244/
Нормальный подход.
Используют чисто "количественный" подход. Замеряют всё что можно. Опрашивают людей по анкете из 64 вопросов. Потом выводят корреляции между движениями мыши и ответами на вопросы.
Аналогично:
Отличная идея и реализация. Знакомая идея.
Мы сто раз говорили. Кто-то просто сделал.
99,999999728% защита от читеров в 3D-шутерах
http://geektimes.ru/post/250244/
Нормальный подход.
Используют чисто "количественный" подход. Замеряют всё что можно. Опрашивают людей по анкете из 64 вопросов. Потом выводят корреляции между движениями мыши и ответами на вопросы.
Аналогично:
Не теория нужна, а корреляция с люшеромИз этого выводят вероятность принадлежности того или иного образца движений человеку, который бы ответил так или иначе на анкетный вопрос. Из этого следует вероятность того, что испытуемый тот, за кого себя выдаёт.
http://openmeta.livejournal.com/36859.html?thread=397563
https://blogs.yandex.ru/search.xml?text=%D0%BB%D1%8E%D1%88%D0%B5%D1%80&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&author=metanymous&holdres=mark&how=tm&asc=1
Отличная идея и реализация. Знакомая идея.
Мы сто раз говорили. Кто-то просто сделал.
--Если есть наперёд заданная онтология, то определять её – решённая (современной наукой и техникой) задача.
--Программы, распознающие "жесты мыши", могут распознавать траектории любой степени заковыристости, состоящие из элементарных элементов типа тех же полуколец, отрезков и т.д.
--Эта онтология у меня в голове. А где твои распознающие программы?
--Они не "мои". Они просто существуют, кем-то уже написанные. Я помню, сто лет назад ковырялся в исходниках одной из этих прог. Раз кто-то уже написал, я смогу повторить.
Было бы замечательно.
--Программы, распознающие "жесты мыши", могут распознавать траектории любой степени заковыристости, состоящие из элементарных элементов типа тех же полуколец, отрезков и т.д.
--Эта онтология у меня в голове. А где твои распознающие программы?
--Они не "мои". Они просто существуют, кем-то уже написанные. Я помню, сто лет назад ковырялся в исходниках одной из этих прог. Раз кто-то уже написал, я смогу повторить.
Было бы замечательно.
–В таком случае это решаемая своими силами задача. Но очень трудоёмкая.
–В своё время эту задачу решил студент-дипломник факультета инфор. технологий.
--Эту = какую? Именно задачу распознавания паттернов в траекториях мыши?
Да нет проблемы распознавания. Но, для реализации распознавания уже готовых паттернов, требуется какой-то программный/математический аппарат, которых бы транслировал пиксельные линии в "геометрические"/математические линии/"абстракции".
Или задачу записывания и проигрывания траекторий, чтобы потом некий человек/оператор распознавал паттерны своей головой?
--Да, надо.
--Или засекретить :)
--С моим уходом это будет засекречено сверхнадежно. Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
--Ну что тогда, обсуждаем совместное предприятие? :)
Ну да.
–В своё время эту задачу решил студент-дипломник факультета инфор. технологий.
--Эту = какую? Именно задачу распознавания паттернов в траекториях мыши?
Да нет проблемы распознавания. Но, для реализации распознавания уже готовых паттернов, требуется какой-то программный/математический аппарат, которых бы транслировал пиксельные линии в "геометрические"/математические линии/"абстракции".
Или задачу записывания и проигрывания траекторий, чтобы потом некий человек/оператор распознавал паттерны своей головой?
--Да, надо.
--Или засекретить :)
--С моим уходом это будет засекречено сверхнадежно. Значительные корреляты физиологии и всё ментальное содержание, которое может быть выражено словами.
--Ну что тогда, обсуждаем совместное предприятие? :)
Ну да.
Покрутил айфон, запустив встроенную прогу для калибровки датчиков наклона. Точность, буквально, миллиметровая. Ошибка менее одного градуса (т.е. гораздо точнее, чем возможно различить "на глаз"). Попробовал откалибровать сигналы ээ "вручную" – просто пользуясь показателями углов наклона как БОС – вышла заметная разница в амплитуде. Типа 2 градуса наклона – "да", от 5 градусов – "нет".
А ещё есть работающие/проверенные способы измерения пульса. К камере прислоняется палец, вспышка включается на полную, и по изменению цвета пальца детектируется пульсовая волна. Работает безупречно – разве что положение палец надо удерживать под камерой в достаточно небольшом диапазоне положений.
Не теория нужна, а корреляция с люшером.
Попыткой определять эмоции по тексту – делать машинное обучение "эмоциям" – уже, моя конспиративная гипотеза, занимаются в огромных масштабах 😦
Попыткой определять эмоции по тексту – делать машинное обучение "эмоциям" – уже, моя конспиративная гипотеза, занимаются в огромных масштабах 😦
Эмодзи (от яп. 絵 — картинка и 文字 — знак, символ; яп. произн. [emodʑi]) — язык идеограмм и смайликов, используемый в электронных сообщениях и веб-страницах. Этот графический язык, где вместо слов используются сочетания картинок, появился в Японии и распространился по всему миру. Изначально эмодзи выглядел как язык пиктограмм, где символы использовались так же, как и в ASCII эмотиконах, но имели более широкий диапазон употребления, а сами иконки были стандартизированы в клавиатуре, которая стала доступна на мобильных устройствах.Людей буквально сподвигли маркировать свои сообщения этими стандартизированными смайликами! Для меня выглядело невероятным, как без особого шума идиотскую идею протолкнули через очень очень бюрократизированный институт, утверждающий международный стандарт шрифтов. При этом в этом стандарте всё ещё нет символов, которые используются в некоторых азиатских языках, носители которых исчисляются чуть ли не сотнями тысяч. Но, вот, стандартные смайлики оперативно оказались в стандарте. И клавиатура с этими смайликами по умолчанию включена на новых мобильных устройствах.
https://ru.wikipedia.org/wiki/%D0%AD%D0%BC%D0%BE%D0%B4%D0%B7%D0%B8
Ну да. Я не знаю, как она усредняет – судя по всему, примерно так: берёт количество ударов пульса за последние 10 секунд, умножает на 6, и показывает на экране. Типа "бегущее среднее".
Что-то думаю над формальным алгоритмом по установке сигнала на амплитуду. Вроде всё не просто, а элементарно, но столько тонкостей сразу наваливается, что прямо как-то еле-еле продвигаться получаться.
Разумно ли для начальной версии программной авто-калибровки сигналов попробовать вот что: берём любой аналоговый сигнал X, измеряем его максимальную амплитуду (например, это будет колебание руки). Сигнал "да" будет некой большей амплитудой. Сигнал "нет" будет некоей меньшей амплитудой. Типа "да" – сильно машем рукой, "нет" – слабо машем рукой (при этом, учитывая мои начальные эксперименты, "сильно" может быть в пределах 10 градусов, а "слабо" в пределах 5 градусов).
При этом надо убедиться:
– ответ "нет" больше нуля на некую пороговую величину D
– ответ "да" больше нуля на величину 3*D
– тогда между "нет" и "да" оказывается достаточно большая нейтральная полоса
Если в какой-то момент времени мы получаем не достоверный (скажем, слишком слабый) сигнал – что делать? Надо ли перекалибровать всю систему заново, или дать субъекту инструкцию повторить ответ?
Или типа такого эшелонированного отката при не разборчивом ответе:
– повторяем вопрос, прося усилить или ослабить сигнал, так чтобы он был чётко различим
– допустим, субъект усилил ответ (далее всё аналогично, если ослабил – только зеркально) – подкрепляем и просим повторить
– если он продолжает откликаться на подкрепления (увеличивает сигнал) – продолжаем повторы, пока он не выйдет на достоверный уровень сигнала
– если вдруг направление сигнала внезапно поменялось (мы попросили более различимый - субъект усилил - мы подкрепили - он ещё немного усилил - ещё подкрепили - внезапно сигнал ослаб, так и не выйдя на достоверный уровень) – изменить формулировку вопроса и повторить весь шаг с начала
– если снова оказались (уже с новой формулировкой) в этом месте корректировки (изменение направления без выхода на достоверный уровень) – перейти на полную перекалибровку сигнальной системы
Разумно ли для начальной версии программной авто-калибровки сигналов попробовать вот что: берём любой аналоговый сигнал X, измеряем его максимальную амплитуду (например, это будет колебание руки). Сигнал "да" будет некой большей амплитудой. Сигнал "нет" будет некоей меньшей амплитудой. Типа "да" – сильно машем рукой, "нет" – слабо машем рукой (при этом, учитывая мои начальные эксперименты, "сильно" может быть в пределах 10 градусов, а "слабо" в пределах 5 градусов).
При этом надо убедиться:
– ответ "нет" больше нуля на некую пороговую величину D
– ответ "да" больше нуля на величину 3*D
– тогда между "нет" и "да" оказывается достаточно большая нейтральная полоса
Если в какой-то момент времени мы получаем не достоверный (скажем, слишком слабый) сигнал – что делать? Надо ли перекалибровать всю систему заново, или дать субъекту инструкцию повторить ответ?
Или типа такого эшелонированного отката при не разборчивом ответе:
– повторяем вопрос, прося усилить или ослабить сигнал, так чтобы он был чётко различим
– допустим, субъект усилил ответ (далее всё аналогично, если ослабил – только зеркально) – подкрепляем и просим повторить
– если он продолжает откликаться на подкрепления (увеличивает сигнал) – продолжаем повторы, пока он не выйдет на достоверный уровень сигнала
– если вдруг направление сигнала внезапно поменялось (мы попросили более различимый - субъект усилил - мы подкрепили - он ещё немного усилил - ещё подкрепили - внезапно сигнал ослаб, так и не выйдя на достоверный уровень) – изменить формулировку вопроса и повторить весь шаг с начала
– если снова оказались (уже с новой формулировкой) в этом месте корректировки (изменение направления без выхода на достоверный уровень) – перейти на полную перекалибровку сигнальной системы
Что-то думаю над формальным алгоритмом по установке сигнала на амплитуду. Вроде всё не просто, и элементарно, но столько тонкостей сразу наваливается, что прямо как-то еле-еле продвигаться получаться.
Ну да, - бес/бог в деталях.
Разумно ли для начальной версии программной авто-калибровки сигналов попробовать вот что: берём любой аналоговый сигнал X, измеряем его максимальную амплитуду (например, это будет колебание руки). Сигнал "да" будет некой большей амплитудой. Сигнал "нет" будет некоей меньшей амплитудой. Типа "да" – сильно машем рукой, "нет" – слабо машем рукой (при этом, учитывая мои начальные эксперименты, "сильно" может быть в пределах 10 градусов, а "слабо" в пределах 5 градусов).
Ну, выглядит более - менее нормально.
При этом надо убедиться: – ответ "нет" больше нуля на некую пороговую величину D – ответ "да" больше нуля на величину 3*D – тогда между "нет" и "да" оказывается достаточно большая нейтральная полоса
Да, это типичные проблемы, которые требуется решать при амплитудной калибровки да/нет инструментальным способами.
Если в какой-то момент времени мы получаем не достоверный (скажем, слишком слабый) сигнал – что делать? Надо ли перекалибровать всю систему заново, или дать субъекту инструкцию повторить ответ?
Ни в коем случае!!!!!! Такое ни в коем случае не следует делать.
Если получен недостоверный сигнал, то просто ждем достоверный сигнал.
Все другие варианты приводят к коллапсу системы сигналинга. Действуют законы пресуппозиций + оперантного формирования.
Меняешь калибровку системы в ответ на изменение амплитуды? Чудесно - в ответ подсознание начнёт варьировать сигналинг во все стороны.
Или типа такого эшелонированного отката при не разборчивом ответе:
– повторяем вопрос, прося усилить или ослабить сигнал, так чтобы он был чётко различим
Да.
– допустим, субъект усилил ответ (далее всё аналогично, если ослабил – только зеркально) – подкрепляем и просим повторить
Ла.
– если он продолжает откликаться на подкрепления (увеличивает сигнал) – продолжаем повторы, пока он не выйдет на достоверный уровень сигнала
М.б.
– если вдруг направление сигнала внезапно поменялось (мы попросили более различимый - субъект усилил - мы подкрепили - он ещё немного усилил - ещё подкрепили - внезапно сигнал ослаб, так и не выйдя на достоверный уровень) – изменить формулировку вопроса и повторить весь шаг с начала
Нет.
– если снова оказались (уже с новой формулировкой) в этом месте корректировки (изменение направления без выхода на достоверный уровень) – перейти на полную перекалибровку сигнальной системы
Нет.
Ну да, - бес/бог в деталях.
Разумно ли для начальной версии программной авто-калибровки сигналов попробовать вот что: берём любой аналоговый сигнал X, измеряем его максимальную амплитуду (например, это будет колебание руки). Сигнал "да" будет некой большей амплитудой. Сигнал "нет" будет некоей меньшей амплитудой. Типа "да" – сильно машем рукой, "нет" – слабо машем рукой (при этом, учитывая мои начальные эксперименты, "сильно" может быть в пределах 10 градусов, а "слабо" в пределах 5 градусов).
Ну, выглядит более - менее нормально.
При этом надо убедиться: – ответ "нет" больше нуля на некую пороговую величину D – ответ "да" больше нуля на величину 3*D – тогда между "нет" и "да" оказывается достаточно большая нейтральная полоса
Да, это типичные проблемы, которые требуется решать при амплитудной калибровки да/нет инструментальным способами.
Если в какой-то момент времени мы получаем не достоверный (скажем, слишком слабый) сигнал – что делать? Надо ли перекалибровать всю систему заново, или дать субъекту инструкцию повторить ответ?
Ни в коем случае!!!!!! Такое ни в коем случае не следует делать.
Если получен недостоверный сигнал, то просто ждем достоверный сигнал.
Все другие варианты приводят к коллапсу системы сигналинга. Действуют законы пресуппозиций + оперантного формирования.
Меняешь калибровку системы в ответ на изменение амплитуды? Чудесно - в ответ подсознание начнёт варьировать сигналинг во все стороны.
Или типа такого эшелонированного отката при не разборчивом ответе:
– повторяем вопрос, прося усилить или ослабить сигнал, так чтобы он был чётко различим
Да.
– допустим, субъект усилил ответ (далее всё аналогично, если ослабил – только зеркально) – подкрепляем и просим повторить
Ла.
– если он продолжает откликаться на подкрепления (увеличивает сигнал) – продолжаем повторы, пока он не выйдет на достоверный уровень сигнала
М.б.
– если вдруг направление сигнала внезапно поменялось (мы попросили более различимый - субъект усилил - мы подкрепили - он ещё немного усилил - ещё подкрепили - внезапно сигнал ослаб, так и не выйдя на достоверный уровень) – изменить формулировку вопроса и повторить весь шаг с начала
Нет.
– если снова оказались (уже с новой формулировкой) в этом месте корректировки (изменение направления без выхода на достоверный уровень) – перейти на полную перекалибровку сигнальной системы
Нет.