Фигура фон: Отношение фигуры и фона — Pro-Psixology.ru

Содержание

Отношение фигуры и фона — Pro-Psixology.ru

В процессе саморегуляции здоровый человек из всего обилия информации выбирает ту, которая для него в данный момент наиболее важна и значима. Это фигура. Остальная информация временно отодвигается на задний план. Это фон. Нередко фигура и фон меняются местами. Если человек испытывает жажду, то стол, уставленный любыми яствами, будет только фоном, а стакан воды — фигурой. Когда жажда удовлетворена, фигура и фон могут поменяться местами.

Отношение между ними — одно из центральных понятий гештальт-психологии. Перлз применял это положение к описанию функционирования личности.

В его понимании фигура выступает в качестве доминирующей потребности, а ритмическая смена фигуры и фона лежит в основе саморегуляции организма.

В качестве фигуры (гештальта) могут выступать желание, чувство, мысль, которые в данный момент преобладают над всеми остальными желаниями, чувствами, мыслями. Как только потребность удовлетворяется, гештальт завершается, теряет свою значимость и отодвигается на задний план, уступая место новому.

Этот ритм формирования и завершения гештальтов является естественным ритмом жизнедеятельности организма, посредством которого он поддерживает свой динамический баланс, или гомеостаз.

Иногда потребность удовлетворить нельзя. В таком случае гештальт остается незавершенным, а поэтому не может уступить место другому. Такая потребность без реагирования становится причиной многих незавершенных проблем, которые через некоторое время начинают оказывать воздействие на текущие психические процессы. К примеру, если человек не выразил сразу и прямо свой гнев и злобу, то в последующем эти чувства не исчезнут, а проявятся в более скрытых и коварных формах. Полная блокировка незавершенных гештальтов может привести к неврозу. Не закончив одно дело, невротик принимается за другое, в результате оказываясь перед конгломератом незавершенных гештальтов, не будучи в состоянии определить, какое незавершенное дело важнее, какая потребность доминирующая, и тогда все действия оказываются неэффективными.

Задача гештальт-терапевта заключается в том, чтобы помочь пациенту осознать свою потребность, сделать ее более четкой (сформировать гештальт) и, в конечном итоге, нейтрализовать (завершить) ее.

Основным условием, необходимым для того, чтобы сформировать и завершить гештальт, является способность человека осознать себя и свою доминирующую потребность в данный момент. Этот принцип получил название «здесь и сейчас».

Человек, у которого много незавершенных гештальтов, незаконченных дел и ситуаций, не способен активно жить в настоящем, ему не хватает энергии и осознания, поскольку его внимание, мысли частично отвлечены незавершенными гештальтами. Важно сосредоточиться на осознании того, что переживается здесь и сейчас. Тревожность Перлз определял как напряжение между «сейчас» и «тогда». Неспособность принять ее заставляет невротика планировать, репетировать свое будущее. Это отвлекает от настоящего, постоянные репетиции создают неоконченные ситуации, вызывают тревогу: «А вдруг станет хуже?» Мысли о прошлом и будущем не дают человеку успешно функционировать и быть счастливым «здесь и сейчас».

Для удовлетворения своих потребностей человек должен быть в контакте с законами своего внутреннего и внешнего мира.

Неврозы, как считал Перлз, возникают в результате сосредоточения индивидуума на средней зоне при исключении событий, происходящих во внутренней и внешней областях. Эту среднюю зону он называл зоной фантазий. Она содержит незавершенные гештальты из прошлого, а поскольку их деструктивная природа проявляется в настоящем, то невротику трудно жить в нем. Перлз утверждал, что корни невроза лежат в тенденции фантазировать (умничать) там, где нужно просто осознавать момент.

Саморегуляция организма зависит от степени осознания настоящего, от способности жить в полную меру «здесь и сейчас».

Смысл гештальт-терапии состоит не в том, чтобы исследовать прошлое в поисках замаскированных травм, а в том, чтобы помочь пациенту сфокусироваться на осознании текущего.

Осознавать означает фиксировать внимание на постоянно возникающих и исчезающих в собственном воображении фигурах. Перлз писал, что у человека существуют три зоны осознания: себя (внутренняя зона), мира (внешняя зона) и того, что лежит между тобой и миром (третья зона).

Он выделяет два критерия психологического здоровья и зрелости: опора на себя и переход на саморегуляцию, тогда как незрелый человек пытается манипулировать другими людьми и менять ситуации.

Для индивидов, достигших такой зрелости, характерны свободное изменение и отчетливое формирование фигуры и фона, выражение своих потребностей в формировании (контакт со средой) и завершение гештальта (уход из среды). Они знают о своих способностях и возможностях выбирать средства для удовлетворения потребностей, когда те возникают. Они осознают границы между собой и другими и внимательны к различению своих фантазий, касающихся других и среды, и того, что воспринимается в непосредственном контакте. Пути психологического роста Перлз видит в завершении ситуаций или гештальтов.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Отношение «фигура-фон» — Новости дизайна и графики

Соотношение фигуры и фона влияет на восприятие элемента как фигуры или как фона.

Соотношение «фигура-фон» является одним из гештальт-принципов восприятия. Принцип гласит, что наша система восприятия разделяет раздражители на элементы фигуры и на элементы фона. Элементы фигуры — это объекты внимания, а элементы фона — это неразличимые элементы заднего плана. Взаимосвязь фигуры и фона можно сравнить с двумя типами раздражителей: визуальными (фотографии) и слуховыми (гул голосов на заднем плане и фоновая музыка).

Когда фигура и фон композиции четко определены, то соотношение «фигура-фон» является стабильным; фигура привлекает больше внимания и лучше запоминается, чем фон. При нестабильном соотношении «фигура-фон» их взаимосвязь не однозначна и может быть интерпретирована различными способами: или как фон и фигура, или наоборот.

Ниже приведены визуальные ориентиры, позволяющие определить, какой из элементов будет восприниматься как фигура, а какой — как фон:

• Фигура обладает определенной формой, а фон — бесформенный.

• Фигура выдвинута вперед, а фон смещен назад, за фигуру.

• Фигура кажется расположенной ближе в пространстве, а фон — дальше и не имеет четкого положения.

• Элементы, расположенные ниже линии горизонта, с большей вероятностью воспринимаются как фигуры. Элементы, расположенные выше линии горизонта, с большей вероятностью будут восприниматься как фон.

• Элементы внизу композиции чаще воспринимаются, как фигуры, а элементы вверху композиции с большей вероятностью будут восприниматься как фон.

Проводите четкое различие между фигурой и фоном, чтобы сфокусировать внимание человека и минимизировать путаницу. Убедитесь, что композиция имеет стабильные соотношения фигуры и фона, установив вышеприведенные визуальные ориентиры. Повысьте вероятность вспоминания ключевых элементов, сделав их фигурами в композиции.

Ваза Рубина является неустойчивым изображением, поскольку оно может восприниматься как белая ваза на черном фоне или как два смотрящих друг на друга черных профиля на белом фоне.

Сперва кажется, что на этом изображении нет стабильного соотношения «фигура-фон». Однако через мгновение проявляется далматин, и соотношение «фигура-фон» стабилизируется.

Само расположение названия эра-курорта ниже линии горизонта делает его основным элементом — такой вариант лучше запоминается, чем эскиз с размещением названия над логотипом.

Размещение логотипа внизу страницы делает его объектом — он привлекает больше внимания и лучше запоминается, чем при расположении в верхней части страницы.

Фигура–фон (восприятие)

Организация « фигура-фон » — это тип перцептивной группировки, которая жизненно необходима для узнавания объектов посредством зрения . В гештальт-психологии это известно как идентификация фигуры с фона . Например, черные слова на печатной бумаге воспринимаются как «рисунок», а белый лист — как «фон».

[1]

Теория гештальта была основана в 20 веке в Австрии и Германии как реакция на атомистическую ориентацию ассоциативных и структурных школ. [2] В 1912 году Макс Вертгеймер, Вольфганг Кёлер и Курт Коффка создали гештальт-школу. Слово «гештальт» — это немецкое слово, переведенное на английский язык как «паттерн» или «конфигурация». [3] Гештальт-концепции также можно назвать «холизмом». [4] Гештальт-психологи пытались очеловечить то, что считалось бесплодным подходом. Гештальт-психология утверждает, что целое чего-либо больше, чем его части. Концепции, изученные Вертгеймером, Кёлером и Коффкой в ​​20 веке, заложили основу для современного изучения восприятия. [5]

«Концепция гештальта состоит в том, что «не только движение или процесс как таковой

, но также направление и распределение процесса динамически определяются взаимодействием». и динамический контекст». [6]

Вертгеймер описал холизм как «фундаментальную формулу» гештальт-психологии: «Есть целые, поведение которых не определяется поведением их отдельных элементов, но где частичные процессы сами определяются внутренней природой целого». [7]

Лица вазы Рубина — рисунок вазы, описанный датским психологом Эдгаром Рубином [8] [9]иллюстрирует один из ключевых аспектов организации фигуры и фона, определение края и его влияние на восприятие формы. В рисовании лиц и вазы воспринимаемая форма критически зависит от направления, в котором задана граница (край) между черной и белой областями. Если края между черной и белой областями назначены внутрь, то центральная белая область видится как форма вазы на фоне черного фона. В этом случае лица не воспринимаются. С другой стороны, если края назначены наружу, то две черные грани профиля воспринимаются на белом фоне, а форма вазы не воспринимается. Зрительная система человека будет останавливаться на одной из интерпретаций вазы Рубина и чередовать их — явление, известное как мультистабильное восприятие .. Функциональная визуализация мозга показывает, что, когда люди видят изображение Рубина как лицо, в височной доле наблюдается активность, особенно в области выбора лица.

[10] [11]

Дополнительным примером является рисунок-иллюзия « Моя жена и моя свекровь ». Изображение известно тем, что оно обратимо . «Зритель может наблюдать либо молодую девушку с повернутой вправо головой, либо старуху с большим носом и выступающим подбородком, в зависимости от точки зрения». [12]


Тип 2: Сама земля является фигурой.

Фигура и фон 2020, Психотерапия – Гештальт Клуб

Фигура и фон 2020

«Представляешь мама», -говорит мне ребенок… «Когда-нибудь какому-то третьекласснику зададут доклад про пандемию по окружающему миру»! И тут я думаю, и правда…
Вот эта милая детская вера в то, что все будет хорошо. Это то, что нужно.

Есть такое понятие в гештальттерапии как фигура и фон, в этом году как никогда мы можем понять, прикоснуться и прочувствовать эти понятия. Потому, что для всего мира фон этого года одинаков. Он пронизан темой пандемии, которая одновременно нас объединяет, потому что проблемы у всех страх одинаковые: поиск вакцины от вируса, устранение пробелов в здравоохранении и т.д. И одновременно нас разъединяет, потому что жесткие границы разделили людей. Многие тоскуют по живым контактам и общению с близкими, которые живут в других странах. Множество разъединенных пар, ищущих новые способы встречи, или теряющие друг друга в хаосе и страхе, связанном с ковидом.
Итог этого непростого года — это тотальное выгорание, без нормального отпуска, привычной свободной жизни, в вечной удаленке от всего. Люди устали, истощились. Новости не радуют нас хорошими известиями, и есть реальные люди, заболевшие, переболевшие и умершие от нового вируса.
Все это вызывает много чувств и реакций…которые накладываются на старый опыт…

И если весной, люди были полны энтузиазма, покупая туалетную бумагу и тушенку, и кто-то был счастлив наконец побыть дома, то сейчас есть злость, отчаяние и страх, потому что очевидно, что все это надолго.
По себе хорошо ощущаю, как то накатывает это тяжелое состояние, то отпускает. Итак- фон, это все то, что я перечислила. Фигура у каждого своя,то есть то важное, что стоит на этом фоне. Ведь год не состоял только из плохих новостей, кто-то купил квартиру, повел ребенка вы первый класс, сменил работу и т.д. Но согласитесь, годы был странным….

Итак, какой же он фон жизни для человека в 2020-ом году
Нынешний фон -сужающийся из-за тревоги, страха, паники, в точку, такую яркую и жгучую, что фон становится фигурой. Все время маячит тема ковида, пандемии, заражения и т.д. И то, что в реальности могло бы все время существовать где-то на границе вашего зрения, все время каким-то назойливым образом оказывается в центре вашего внимания. Вы хотите стряхнуть этот ковид, как муху с монитора, а он опять тут как тут…
И тогда, все на что мы могли ОПИРАТЬСЯ раньше: привычный ритм жизни и ее уклад отсутствует. И это травматично, и вызывает тревогу, хочется поежиться. «Опять удаленка»-, вздыхают люди. И в этот момент такие простые вещи как, дорога на работу, которая была местом для уединения, размышления, возможность препоручить детей воспитателям и учителям хотя бы на время, утрачиваются. Появляется бедность взаимодействий, которые раньше незаметно, но наполняли наши ресурсы. Встречи в кафе, прогулки с друзьями, поход в кинотеатр, фитнес-клуб, приглашение друзей и родственников в гости. То, что называлось рутиной, днем сурка одновременно и поддерживало, потому что повторение действий, в каком-то смысле ритуалы успокаивают и создают безопасность. Сейчас частично что-то из этого списка «роскошеств» восстановлено, мы можем сходить в кафе, но бесконечный флер тревоги постоянно присутствует незримо. Измерение температуры, официанты в смешных -практически мотоциклетных масках… Тут хочется крикнуть! «Верните мне мою нормальную жизнь, она же была, я помню!»
Сейчас, встреча с ситуацией БОЛЬШЕЙ чем мы могли представить встреча с новизной, вызывает различные реакции:

1.Травматические реакции.
Мне, кажется, что сейчас включаются старые травматические реакции, когда сама историческая ситуация (запреты, ограничения, закрытые границы, необходимость сдавать тесты и доказывать свою не заразность). Все это является ситуацией ретравматизации (когда старая травма оживает из-за похожих по пику переживаний), включаются флешбеки, связанные с травмами (изнасилование, телесные наказания от родителей, депрессивные эпизоды и т.д). Это проживается как утрата смысла, невозможность оставаться в состоянии тупика, боли, отчаяния. Все, что было заморожено годами выплывает на поверхность. Боль, которую раньше удавалось прятать от самих себя, за суетой, делами, невозможно больше удерживать. Я утверждаю это глядя на динамику процессов в индивидуальной и групповой работе. Такого не было раньше, чтобы так быстро группы двигались к теме связанными с травами насилия, например. Пошел поток клиентов с темой, связанной с изнасилованиями, избиениями, то есть травмами, связанными с телесностью. Собственно то, что происходит в этом году это вызов телу и телесности, насколько крепок мой иммунитет? насколько мое тело готово сопротивляться болезни? Люди переболевшие ковидом, говорят о волне экзистенциальных вопросов, которые вдруг поднимаются из глубин бессознательного на пике болезни.
Почему так происходит? Внешние границы остаются жесткими, насилие обычно происходит внутри таких больших систем (армия, семья, где жёсткие правила). Сейчас как раз, так и есть, мы отрезаны друг от друга, и поддержки в виде поглаживания, объятий, утешения от реального живого человека, который присутствует рядом почти нет или мало и недостаточно. Это хочется компенсировать через сексуальное взаимодействие и другие способы «удовлетворить» свое тело. Но потребность заключается в другом, в утешении и успокоении. Это сложная ситуация, потому что сил справиться с собой почти нет, есть очень сильное истощение от карантина, и очень мал круг людей, которые могут позаботиться.

2. Депрессивные реакции. Утрата связей, суррогаты в виде онлайн встреч, усиливают депрессивную симптоматику. Могут возникать реакции в виде отчаяния, безнадежности, утраты веры, что жизнь может поменяться. Невозможность достигнуть другого, контакт в виде далекого расстояния усиливает тоску по телесным взаимодействиям друг с другом. Увеличение дистанции при личной встрече также усиливает этот контекст.
Для меня оказалось сложным видеть так много людей в масках, я теряю важную информацию о том, кто это, не вижу губ и улыбки. Это рождает сильную грусть. Оказалось, что человеческое лицо, состоящее только из глаз и лба недостаточно для коммуникации и взаимодействия).

3. Усиливаются пограничные реакции. Фон проходит проверку на прочность и не выдерживает ее. Именно здесь включается старая драма пограничника -вопрос, связанный с безопасностью. Именно эта тема является ключевой для человека, пережившего опыт нахождения в нестабильных и непредсказуемых отношениях, на котором происходил его рост и взросление. Нынешняя ситуация как под копирку повторяет ранний опыт боли. Ничего не понятно, все непредсказуемо, не понятно на кого опереться. Именно поэтому происходит ухудшение, усиливаются суицидальные тенденции, самоповреждение и зависимые тенденции, имеющие отношение не только к химическим зависимостям, но и шопоголизм, например. В ситуации фрустрации хочется иметь возможность хотя бы набрать в корзину 185 товаров в интернет- магазине. Отказаться от них в пункте выдачи, чтобы иметь свободу «регулировать» свою жизнь хотя бы в этом маленьком кусочке. Такие действия могут говорить о том, насколько вам плохо. Пожалуйста не игнорируйте это.

4. Усиливаются агрессивные реакции. Не просто злости или раздражения, а неистовой злобищи. Это является ответом на ту степень бессилия, которую проживают люди. Зачастую «проще» или привычнее реагировать яростью, в те моменты, когда слишком зашкаливает беспомощность и отчаяние. Обратите внимание как много, начиная с осени этого года событий, связанных с агрессией, похищение детей, громкие самоубийства, расстрел людей подростком в Нижегородской области, события в Белорусии.

Мне, как психологу кажется важным учитывать и понимать все эти реакции. А я описала, конечно, не всю вариативность человеческого отклика на ситуацию беспомощности, тоски, грусти, горя и страха. В депрессивном векторе важно иметь надежду на то, что «хороший мир» будет еще существовать. Вера в то, что будущее таит для нас и радостные события является профилактикой для людей в 2020. Представьте, что какой-то третьеклассник будет делать доклад о пандемии и о наших дня. И тогда возможно, вы увидите связь между прошлым настоящим и будущим. И это даст возможность увидеть больше смысла в событиях этих дней и месяцев.

Психолог, гештальттерапевт Юлия Смелянец

#Юлия_Смелянец
#вирус_ковид_психолог
#Панические_атаки
#Юлия_Смелянец_психолог
#Психолог_онлайн
#Психолог_травма_депрессия_пограничность

Грязный гештальт :: Психолог П.Гавердовская

Одной из центральных идей гештальт-психологии (и, как следствие, гештальт-терапии), как известно, является понятийная пара «фигура-фон». Вряд ли у меня достанет терпения объяснить ее с азов. Поэтому данный текст рассчитан на читателя, который уже знает, в чем дело.

Вкратце. Гештальт-психология постулирует, что человеческое восприятие (как внешнее, так и внутреннее (восприятие собственных потребностей) тяготеет к однозначному структурированию внешней реальности и внутреннего опыта. Мозг, а за ним — ухо, глаз, пальцы, да и душа (куда деваться) стремятся понимать любую совокупность случайных частей, как целое и придавать этому целому какое-то значение, а то — и смысл. Так, цепочку скобок, загнутых в разные стороны, глазу проще воспринимать, как недорисованые квадраты. Цепочку подков — как круги. Речь, звучащую в белом шуме, ухо сначала желает расшифровать, как родную, и только, если ни одного понятного слова вычленить не удается, мозг смиряется, что лопочут на чужом языке. Незнакомый прямоугольный предмет рука ощупывает, как знакомый, причем мозг психически здоровых людей предлагает наиболее бытовые гипотезы («спичечный коробок», «детский кубик»), а мозг шизофреника — вычурные («обломок космического корабля»). Так или иначе, все сводится к одному: психика стремится сформировать фигуру из фона, опираясь на предыдущий опыт и актуальную потребность. Здоровая психика делает это более успешно, больная — менее. Но тенденция всегда одна: создать фигуру. На бытовом языке восприятие работает по закону «понять и успокоиться». Психотик, как утверждает Тодд Берли, боится фигуры и испытывает сложности с ее созданием. Неудивительно, добавлю я, что психотик вечно лишен покоя.

То же происходит не только в сфере восприятия, но и в сфере удовлетворения потребностей. Человеческий организм, если он нормально функционирует, стремится выделить единственную, наиболее актуальную на данный момент потребность и удовлетворить, структурируя под нее внешнюю среду (фон). Так, если я голоден, я вижу вокруг ларьки, магазины или кафе. Затем я нахожу, где и что поесть, и фигура голода разрушается. Она уходит в фон, позволяя проявиться следующей фигуре (хочу спать, хочу трахаться, хочу написать текст про грязный гештальт, и т.п.).

Далее. Что характеризует инфантильную психику? Ответ прост, если мы вспомним поведение детей: тенденция во что бы то ни стало формировать и продвигать собственную фигуру, в ущерб фону. А фоном, как правило, являются другие люди со своими фигурами. Помните гротескного младенца, персонажа одного из старых диснеевских мультиков? Со словом «печенька» он полз к цели, круша все на своем пути. «Печенька!» — кричал жуткий малыш, пока рушились кухонные полки, билась посуда и мебель сдвигалась со своих мест. Уничтожив все вокруг себя, он достал печеньку и успокоился.

Взрослеющая психика изменяется естественным образом: от фиксации на фигуре — к постепенному учету фона вокруг нее. Неблагополучный подросток уже не рушит кухонную мебель, а просто тихо ворует лишнюю печеньку, прекрасно зная, что взбучка будет позже, когда мама это обнаружит. Еще более неблагополучный подросток ворует не печеньку, а деньги из кошелька у мамы. Чем выше адаптация, чем больше зрелость, тем лучше человек может учитывать фон вокруг себя. И тем лучше, как ни парадоксально, ему удается обслужить тем самым свою фигуру. Так, подросший ребенок ждет прихода взрослых и просит печеньку, а подросток просит деньги и объясняет, зачем они ему нужны. Как можно догадаться, оба оказываются более успешны в итоге.

Помня о том, что большие явления, движимые людьми, зачастую развиваются по тем же законам, что и отдельный человеческий организм, легко понять эволюцию самой гештальт-терапии. Все помнят Перлза, а многие даже читали его «Помойное ведро», в котором он подробно описывал нам, как хорошо и правильно, что всю жизнь он делал все, что взбредет в голову, не заботясь о последствиях. Изредка он прерывается на теоретизирование, однако основной пафос «Помойного ведра» мне всегда казался именно таким. Фрейд (из которого Перлз, собственно, и вылупился в свое время) в его рассуждениях выглядит нудным маразматиком, что очень напоминает подростковое отрицание родительской роли в их жизни. В общем, ранний Перлз — квинтэссенция раннего гештальта.

Как можно теперь догадаться, история развития гештальта, идет по тем же законам, что и развитие того самого младенца. Оговариваясь, что не считаю себя в праве рассуждать о психоанализе, думаю, тем не менее, что и с ним происходят весьма похожие процессы. Как выглядит гештальт сейчас? Беглое воспоминание всего, мною когда-либо услышанного или прочтенного, а также опыт многолетнего бытия в западных обучающих программах и лучшие образцы отечественных (группы Дологополова, например), — говорят о том, что современный гештальт давным-давно способен охватить не только локальную фигуру, но и фон, ее окружающий. И к счастью, я думаю. Значит, мы выросли.

К чему я, собственно, веду.
Поскольку гештальт в Россию пришел позже, довольно понятно, что взросление его отставлено далеко вперед. Но иногда я удивляюсь, насколько далеко оно в некоторых случаях отставлено. Порой, вероятно, имеет место какой-то эффект вырождения, когда некое несчастливое «гештальтическое семечко» залетит в какой-нибудь прекрасный и далекий от чего бы то ни было город, клуб или психологическую тусовку, и дальше возникает целая популяция мутирующих друг в друга «цветов», отдаленно напоминающих то, что все остальные называют гештальтом.

К моему глубокому огорчению, до сих тут и там раздаются бодрые выкрики окологештальтистски-настроенных психологов о том, что главное дело жизни — это понять, чего ты хочешь (и просовывать это потом куда ни попадя), что за твои чувства в контакте отвечаешь только ты (а другой, с которым ты их испытываешь — ни при чем), что за подорванное доверие отвечает доверяющий, а не тот, кто его подрывает, и так далее. При этом чувства (и вытряхивание их наружу) превращается в сверхценность, а функция обмена чувствами (коммуникация) — остается в стороне. Главное — сообщить миру, что ты чувствуешь. Типичный выходец из подобной среды (ученик, участник подобных групп или горе-клиент) обычно совершенно не способен учесть окружение (Помните Перлзовское «Я — это я, ты — это ты…»?). В ответ на сообщение «Не надо больше таскать мое печенье» или «Не воруй больше моих денег» или «Будь добр, снимай трубку, когда я звоню тебе!», он (в лучшем случае) отвечает гениальным «Мне грустно», потому, что его научили, что надо делиться чувствами, но совсем не объяснили, зачем.

Все это, как нельзя лучше, вписывается в тему раннего гештальта: агрессивное формирование своей фигуры в ущерб любому фону (состоящему из чужих фигур), подростковое игнорирование поля. Сплошные эго, голод и агрессия. Но, знаете, это все уже давно неактуально. Взрослый человек (а не младенец) понимает, что мир не может упираться в печеньку.

В общем, как грустно шутил Борис Новодержкин, «Вы ошибаетесь, если думаете, что гештальт-терапевт — это человек, который блюет на пол, ходит под себя и кричит дурным голосом». И лично мне бы не хотелось, чтобы, когда я отвечаю на вопрос, чем я занимаюсь, обо мне так думали. И главное, что огорчает, что в некоторых случаях это уже вовсе не болезни роста, а, увы, впадение в маразм.

фигура, фон, чувства и обесценивание: rubstein — LiveJournal

По тегу «Гештальт» я писала о фигуре и фоне.
Воспринимая окружающую реальность, мы выбираем детали из окружающего мира и строим из них фигуру восприятия. Детали выбираются на основании тех потребностей, которые нами сейчас движут.
Фигура — это некое видение того, что происходит, конструкция, которой мы придаем смысл. Например, «она меня не любит». Или «любит». И так далее.

Если потребность, в связи с которой строится фигура (например, в любви), сильно заряженная, то есть, нужда очень сильная, то, завидев вожделенный объект, мы «прилипаем» к нему своим вниманием. Выстроив фигуру, мы начинаем переживать разные чувства в зависимости от того, какой смысл мы придали фигуре: если «любит» — радость, если «не любит» — гнев, горечь и так далее. И, «прилипнув», мы оказываемся захвачены потребностью и не можем чувствовать себя свободными от нее.

Чем сильнее заряжена потребность, тем сильнее аффект и «прилипание».
Сила заряда зависит от неудовлетворенности.
Например, если человек не любит самого себя (отвергает, обесценивает, не ухаживает за собой и своим пространством, плохо ест, мало спит и так далее), имея много опыта отвержения в прошлом, нелюбви родителей, то он будет «прилипать» обязательно.

Получив возможность разрядить аффект, человек разряжает его на полную катушку, теряя контроль над собой, словами, поведением. После разрядки, когда потребность «утихает», на него может накатить стыд за бесконтрольность действий. Этот стыд является механизмом, который запускает новую волну гиперконтроля над собой. И если человек по-прежнему не удовлетворяет своих потребностей, то он копит аффект снова. И этот цикл повторяется.

Устав от бесконечных повторений этого цикла и чувствуя себя зависимым, довольно частый способ самозащиты, который изобретает такой человек — это обесценить потребность, чувства, вожделенный объект, чтобы не «прилипать» к нему. Однако, обесценивание лишает его связей с другими людьми, он «выплевывает» то, чем успел напитаться, и никак не решает вопрос неудовлетворенности, постоянного голода. То есть, аффект-то все равно копится.

Для решения этого ребуса требуется два комплекса мер:

1. Забота о себе. Простая, материальная: кушать, что хочется, носить одежду, в которой приятно, спать в приятном месте и условиях, двигаться приятно, общаться с приятными людьми и так далее. Удовлетворяя простые потребности, человек, как ни странно, чувствует себя любимым. Потому что дает себе то, что раньше ждал, что дадут другие. Тогда любовь к другим перестает быть аффектом, а становится приятным, радующим, обогащающим чувством. И если другой человек не в состоянии ответить тем же — то это не вызывает страданий. Это может вызвать грусть.

2. Управление восприятием. Если вы способны увидеть, как вы создаете из фона фигуры, вы можете экспериментировать, собирая из одного и того же фона разные фигуры, и видеть сразу несколько фигур: и любит, и не любит, и мне — то нравится, то не нравится, все живенько и разнообразненько. Много оттенков, много смыслов. Обычно, пытаются выбрать одну фигуру, а другие отвергнуть (или черное, или белое). Или этот человек святой, или дьявол. Нет никакой необходимости выбирать одну фигуру. Важно видеть все возможные и не отвергать ни одну. Потому, что каждая из фигур является деталью для выстраивания фигуры большего масштаба.
Вы смотрите на один и тот же процесс через разные линзы.
И можно удерживать в своем восприятии одновременно несколько «линз», через которые вы смотрите.
Благодаря тому, что линз много, ни одну из них вы не отвергаете и не «прилипаете» к ним, сильные чувства просто не могут возникнуть: гнев или идеализация, например. Вы чувствуете интерес, удовольствие и свободу.
В толтекской практике это называется «менять позицию точки сборки».

Но есть еще третье.
Другой человек может иметь биполярное расстройство, и то любить вас, то не любить. И это  — еще одна линза.

 Приходите тренироваться и в том, и в другом http://rubstein.ru

Изменение цветов текстового поля или фигуры

В текстовом поле или фигуре можно быстро изменить цвет текста, цвет заливки или границы.

Выберем фигуру — на ленте появится вкладка Средства рисования с активной вкладкой Формат.

Вот та же фигура после изменения границы на оранжевая, заливка на светло-зеленую, а текст черным. Мы использовали команды Контур фигуры,Заливка фигурыи Заливка текста, доступные на вкладке Формат в области Средства рисования.

Хотя изменения, которые мы внося ниже, показаны в Microsoft PowerPoint, они работают одинаково в Excel, Word, Outlook и Project.

Изменение цвета текста

  1. Вы можете выбрать границу фигуры или текстового окна. После этого появится инструмент Средства рисования.

    Чтобы изменить несколько фигур или текстовых полей, щелкните первую фигуру или текстовое поле, а затем, удерживая нажатой кнопку CTRL, щелкните другие фигуры или текстовые поля.

  2. На вкладке Средства рисования Нажмитекнопку Заливка текста и в области Цвета темы выберите нужный цвет.

    Примечание: Меню Заливка текстаи Контур текста может не быть активным, пока вы не начнете вводить текст в фигуре.

    Чтобы изменить цвет текста, который не Цвета темы

    1. Выделите фигуру или текстовое поле.

    2. На вкладке Средства рисования Формат нажмите кнопку Заливка текста > Другие цвета заливки.

    3. В окне Цвета выберите нужный цвет на вкладке Стандартная или на вкладке Пользовательский выберите собственный. Пользовательские цвета и цвета на вкладке «Стандартная» не обновляются при последующих изменениях тема.

Изменение цвета заливки

  1. Выберите фигуру или текстовое поле, которые нужно изменить. После этого появится инструмент Средства рисования.

    Чтобы изменить несколько фигур или текстовых полей, щелкните первую фигуру или текстовое поле, а затем, удерживая нажатой кнопку CTRL, щелкните другие фигуры или текстовые поля.

  2. Щелкните Заливкафигуры и в области Цвета темывыберите нужный цвет.

    Чтобы изменить цвет заливки на цвет, который не Цвета темы

    1. Выделите фигуру или текстовое поле.

    2. На вкладке Средства рисования Формат нажмите кнопку Заливка фигуры > Другие цвета заливки.

    3. В окне Цвета выберите нужный цвет на вкладке Стандартная или на вкладке Пользовательский выберите собственный. Пользовательские цвета и цвета на вкладке «Стандартная» не обновляются при последующих изменениях тема.

Изменение цвета границы

  1. Вы можете выбрать границу фигуры или текстового окна. После этого появится инструмент Средства рисования.

    Если вы хотите изменить несколько фигур или текстовых полей, щелкните первую фигуру или текстовое поле, а затем, удерживая нажатой кнопку CTRL, щелкните остальные фигуры или текстовые поля.

  2. На вкладке Средства рисования Нажмите кнопку Контур фигуры и в области Цвета темы выберите нужный цвет.

    Чтобы изменить цвет границы, который не Цвета темы

    1. Выделите фигуру или текстовое поле.

    2. На вкладке Средства рисования Нажмите кнопку Контур фигурыи выберите другие цвета контура.

    3. В окне Цвета выберите нужный цвет на вкладке Стандартная или на вкладке Пользовательский выберите собственный. Пользовательские цвета и цвета на вкладке «Стандартная» не обновляются при последующих изменениях тема.

Совет:  В PowerPoint цвет границы также можно изменить, нажав кнопку Контур фигуры (на вкладке Главная в группе Рисование).

См.

также

Удаление или изменение границы текстового поля или фигуры

Добавление заливки или эффекта к фигуре

Изменение цвета шрифта (текста)

Изменение фона или цвета в Word

Изменение фона сообщения в Outlook

Изменение цвета фона слайдов в PowerPoint

Вставка текста WordArt

Добавление фигур

Восприятие фигуры-фона в правом и левом полушариях человека при комиссуротомии

Правое и левое полушария четырех пациентов с полной комиссуротомией были протестированы на способность распознавать и интегрировать элементы фигуры и фона сложных визуальных стимулов. В первом эксперименте испытуемые должны были идентифицировать из набора с четырьмя вариантами выбора в режиме свободного зрения стимульную карточку, которая соответствовала краткому латерализованному образцу стимула.У всех испытуемых левое полушарие умело распознавать фигуру, но почти случайно распознавало текстурированный фон. Напротив, правое полушарие было в равной степени приспособлено к распознаванию фигур и фона. Оба полушария могли легко идентифицировать изолированную фигуру или фон из массива выбора, демонстрируя, что наблюдаемые эффекты полушария были вызваны взаимодействием фигуры и фона, а не результатом каких-либо трудностей в обработке определенных элементов составного стимула.Второй эксперимент заключался в определении размера и положения точки, которая появлялась на различных однотонных и фактурных фонах. Правое полушарие двух испытуемых, но не левое, работало с большей точностью, когда фон состоял из «естественного» градиента текстуры, а не из простой белой подложки. Аналогичные, хотя и менее последовательные результаты были получены, когда в качестве фона использовался инвертированный градиент или равномерная сетка. Для каждого условия работа правого полушария была похожа на работу нормального контрольного субъекта.Напротив, левое полушарие давало образец результатов, отличающийся от результатов контрольных испытуемых для различных описанных задач с изображением фона. Оказалось, что в целом он нечувствителен к фоновым эффектам, за исключением случаев, когда информация, предоставленная фоном, была очень необычной, например, от инвертированного градиента текстуры. Результаты свидетельствуют о выдающейся роли правого полушария в распознавании фоновых компонентов стимула всего поля, чувствительности к влиянию фона на восприятие объекта и способности использовать естественные ориентиры перспективы для помощи в точном восприятии. восприятие объекта.

Рисунок и фон — Оксфордская стипендия

Страница из

НАПЕЧАТАНО ИЗ OXFORD SCHOLARSHIP ONLINE (oxford.universitypressscholarship.com). (c) Copyright Oxford University Press, 2021. Все права защищены. Отдельный пользователь может распечатать PDF-файл одной главы монографии в OSO для личного использования. дата: 08 января 2022 г.

Глава:
(стр.11) 2 Рисунок и фон
Источник:
Скрытые на виду
Автор(ы):

Эвиатар Зерубавель

Издатель:
Oxford University Press
4

/acprof:oso/9780199366606.003.0002

Ярко выраженное асимметричное феноменологическое разделение посещаемой и необслуживаемой частей нашего феноменального мира наиболее эффектно выражается разграничением понятий «фигура» и «фон», поскольку последнее менее внимание заметнее, чем первый, который он поддерживает в восприятии. Первоначально концептуализированная специально в контексте визуального восприятия, модель фигуры и фона, тем не менее, применима и к несенсорным способам познания, поскольку основные принципы, лежащие в основе процесса визуальной фокусировки, также охватывают сущность процесса мысленной фокусировки. .Короче говоря, «рисунок» и «фон» представляют те части реальности, которые мы не только физически, но и мысленно замечаем и игнорируем. Как таковые, они представляют собой метафоры релевантности и нерелевантности, или «отмеченных» и «неотмеченных» частей нашего феноменального мира, и различие между ними фактически представляет фундаментальное различие между примечательным (и, следовательно, примечательным) и непримечательным (и, таким образом, не заслуживающий внимания).

Ключевые слова: асимметрия, феноменология, фигура, фон, ментальная фокусировка, релевантность, нерелевантность, отмеченность, немаркированность

Oxford Scholarship Online требует подписки или покупки для доступа к полному тексту книг в рамках службы.Однако общедоступные пользователи могут свободно осуществлять поиск по сайту и просматривать рефераты и ключевые слова для каждой книги и главы.

Пожалуйста, подпишитесь или войдите, чтобы получить доступ к полнотекстовому содержимому.

Если вы считаете, что у вас должен быть доступ к этому названию, обратитесь к своему библиотекарю.

Для устранения неполадок см. Часто задаваемые вопросы , и если вы не можете найти ответ там, пожалуйста, связаться с нами .

Парадоксальная взаимосвязь между скоростью и точностью обонятельной сегрегации фигуры и фона

Abstract

В естественных условиях на наши органы чувств воздействуют одновременно многие раздражители. Превращение этих сенсорных стимулов в объекты восприятия является фундаментальной задачей, стоящей перед всеми сенсорными системами. Подобно другим сенсорным модальностям, повышенный фон запаха снижает способность обонятельной системы обнаруживать запахи-мишени. Механизмы, с помощью которых фоновые запахи мешают обнаружению и идентификации запахов-мишеней, неизвестны. Здесь мы использовали структуру модели диффузии дрейфа (DDM) для рассмотрения возможных механизмов помех в задаче обнаружения запаха. Сначала мы рассмотрели чистое влияние фоновых запахов на сигнал или шум в динамике принятия решений и показали, что они дают разные прогнозы относительно точности и скорости принятия решений. Чтобы проверить эти предсказания, мы обучили мышей обнаруживать целевые запахи, встроенные в случайные фоновые смеси, в задаче с двумя вариантами выбора. В этой задаче межпробный интервал не зависел от времени поведенческой реакции, чтобы избежать мотивации быстрых ответов.Мы обнаружили, что повышенный фон снижает производительность мыши, но, как это ни парадоксально, также уменьшает время реакции, предполагая, что шум в процессе принятия решений увеличивается из-за фона. Далее мы оценили вклад фоновых эффектов как в шум, так и в сигнал, подгоняя DDM к поведенческим данным. Модели показали, что фоновые запахи влияют как на сигнал, так и на шум, но парадоксальная взаимосвязь между сложностью пробы и временем реакции вызвана дополнительным шумом.

Резюме автора

Сенсорные системы постоянно стимулируются сигналами от многих объектов в окружающей среде. Таким образом, выделение важных сигналов из загроможденного фона является задачей, стоящей перед всеми сенсорными системами. Для многих млекопитающих обоняние является основным чувством, которое определяет многие виды повседневного поведения. Таким образом, обонятельная система должна быть способна обнаруживать и идентифицировать интересующие запахи на меняющемся и динамичном фоне. Здесь мы изучали, как фоновые запахи мешают обнаружению целевых запахов.Мы обучали мышей выполнению задачи, в которой им предъявляли смеси запахов и требовали сообщить, включают ли они какой-либо из двух целевых запахов. Мы анализируем поведенческие данные, используя общую модель сенсорно-управляемого принятия решений — модель дрейфа-диффузии. В этой модели на решения влияют два элемента: дрейф, который представляет собой сигнал, создаваемый стимулом, и шум. Мы показываем, что добавление фоновых запахов имеет двойной эффект — уменьшение дрейфа, а также увеличение шума. Повышенный шум также приводит к более быстрым решениям, тем самым создавая парадоксальную связь между сложностью проб и скоростью принятия решений; мыши быстрее принимают решения в более сложных испытаниях.

Образец цитирования: Лебович Л., Юнерман М., Скаевич В., Левенштейн Ю., Рокни Д. (2021) Парадоксальная взаимосвязь между скоростью и точностью обонятельной сегрегации фигуры и фона. PLoS Comput Biol 17(12): е1009674. https://doi.org/10.1371/journal.pcbi.1009674

Редактор: Рафал Богач, Оксфордский университет, СОЕДИНЕННОЕ КОРОЛЕВСТВО

Получено: 8 апреля 2021 г.; Принято: 20 ноября 2021 г .; Опубликовано: 6 декабря 2021 г.

Copyright: © 2021 Lebovich et al. Это статья с открытым доступом, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Данные и код загружены на https://github.com/Lior-Lebovich/Paradoxical.

Финансирование: Эта работа финансировалась за счет стартового гранта Европейского исследовательского совета (755764—COFBMIX, DR), Израильского научного фонда (грант 757/16, YL), DFG (CRC 1080, YL) и Фонда Гэтсби. Благотворительный фонд (БФ). Спонсоры не участвовали в разработке исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

Введение

Естественные сцены загромождены, и сенсорные системы должны иметь возможность анализировать эти сцены, чтобы обнаруживать и идентифицировать отдельные объекты, такие как еда, партнер или хищник. Сегментация сцены имеет решающее значение для всех сенсорных модальностей, однако нейронные механизмы, лежащие в основе этого умения, не очень хорошо изучены. Хотя эти механизмы широко изучались в зрительной и слуховой модальностях [1–7], очень мало известно о сегментации обонятельных сцен [8–11].

Ранее мы разработали психофизическую парадигму для проверки обнаружения целевых запахов на фоновых смесях у мышей [10]. Используя эту парадигму, мы обнаружили, что способность сообщать о наличии целевого запаха снижается при увеличении количества фоновых запахов. Кроме того, мы обнаружили, что перекрытие между паттернами клубочковой активации, которые представляют цель, и теми, которые представляют фоновые запахи, обратно коррелировало с вероятностью успеха.Этот результат свидетельствует о том, что фоновые запахи могут мешать обнаружению целевого запаха уже на уровне обонятельных рецепторов. Действительно, многие исследования продемонстрировали нелинейные взаимодействия между одорантами, активирующими один и тот же рецептор [12–19], а недавние исследования предполагают, что такие взаимодействия широко распространены [3,20,21]. Однако в настоящее время неясно, как эти взаимодействия влияют на обнаружение запаха цели и каким образом они мешают сигналу цели.

Модель дрейфа-диффузии (DDM) сыграла важную роль в обеспечении понимания влияния сенсорных сигналов на вероятность успеха и время реакции в задачах, управляемых сенсорами [3,22–27].Согласно МДМ, процесс принятия решения определяется зашумленной переменной решения, которая отражает разницу между накопленными свидетельствами в пользу выбора каждой из двух альтернатив (в данном случае наличие против отсутствия целевого запаха) . Решение принимается, как только переменная решения достигает одного из двух порогов, ± θ , где θ >0, в первый раз. Если переменная решения сначала достигает одного из них ( θ ), решение состоит в том, чтобы сообщить, что цель присутствует, тогда как если она сначала достигает другой (- θ ), она сообщает, что цель отсутствует.

DDM характеризуется несколькими параметрами: первым параметром является начальная точка (−1< m <1), которая обозначает априорное, независимое от доказательств предпочтение одному из исходов. м = 0 указывает на несмещенную начальную точку. Априорное предпочтение сообщать, что цель присутствует или отсутствует, проявляется как положительное или отрицательное значение м соответственно. Второй параметр — это порог θ >0.Чем больше значение θ , тем больше доказательств требуется для принятия решения. В-третьих, это средняя скорость накопления доказательств в присутствии и в отсутствие цели, которую мы обозначаем как A + и A соответственно. Мы предполагаем, что в отсутствие каких-либо запахов , что смещает переменную решения в сторону порога − θ и решение об отсутствии цели. Напротив, когда целевой запах предъявляется животному, и в результате переменная решения дрейфует (в среднем) к порогу θ .Наконец, переменная решения также накапливает белый шум в процессе принятия решения, и величина этого шума обозначается [3,22,27–30].

В этой структуре существует как минимум три различных механизма, с помощью которых фоновые запахи могут мешать целевому обнаружению запаха. Во-первых, они могут увеличить количество доказательств в пользу цели, тем самым генерируя ложный сигнал, подобный цели, даже когда цель отсутствует, что приводит к увеличению частоты ложных тревог. Во-вторых, они могут уменьшить количество доказательств в пользу цели, тем самым снизив процент попаданий.Наконец, они могут действовать, увеличивая шум в процессе принятия решений. Здесь мы анализируем предсказания DDM для каждого из этих режимов интерференции и сравниваем их с экспериментальными наблюдениями. Затем мы подгоняем DDM к поведенческим данным, чтобы оценить влияние фоновых эффектов на сигнал и шум в процессе принятия решений.

Результаты

Мы обучили мышей обнаруживать целевые одоранты на фоновых смесях. Эта задача аналогична той, что использовалась ранее [10], но изменена с схемы «да/нет» на схему времени реакции с двумя альтернативами выбора, чтобы можно было анализировать время реакции во всех испытаниях.В каждом испытании мышам предъявляли псевдослучайную смесь пахучих веществ. Смеси включали либо один из двух целевых одорантов (испытания «нацеливание»), либо ни один из целевых одорантов (испытания «нацеливание»). Мышей награждали каплей воды, если они правильно сообщали, содержит ли смесь целевой одорант, облизывая вправо в испытаниях с мишенью и облизывая влево в испытаниях без мишени (рис. 1). Чтобы избежать мотивации быстрых ответов, межпробный интервал не зависел от времени ответа, но увеличивался на 5 секунд после неправильных ответов.Таким образом, уровень вознаграждения зависел от правильного уровня, а не от скорости поведенческих реакций. Мы обучили 6 мышей и собрали в среднем 16 790 испытаний на мышь (диапазон 12 000–23 000).

Рис. 1. Поведенческая парадигма.

A. Мышей обучали обнаружению цели с фоновой задачей, которая была задана как задача времени реакции с двумя альтернативами выбора. В каждом испытании мышам предъявляли смесь пахучих веществ, и от них требовалось сообщать о наличии или отсутствии целевого пахучего вещества, облизывая правый или левый порт лизания соответственно. Правильные действия награждаются каплей воды, а неправильные наказываются тайм-аутом. B. Временная структура задачи. В каждом испытании смесь запахов предъявлялась в течение 2 секунд. Мыши должны были сообщить о своем решении, лизнув в течение 2,8 секунд окна ответа, которое начинается с представления запаха. Правильные облизывания вознаграждались немедленно. Интервал между попытками составлял 7,2 секунды после правильных ответов и 12,2 секунды после неправильных ответов, чтобы повысить точность, а не скорость.Время между появлением запаха и первым облизыванием принимали за время реакции испытания.

https://doi.org/10.1371/journal.pcbi.1009674.g001

Мы рассмотрели три различных механизма, с помощью которых фоновые одоранты могут влиять на решения в рамках DDM, и изучили их поведенческие прогнозы:

  1. Ложный сигнал: Отдельные запахи активируют большое количество обонятельных рецепторов. Наиболее вероятно, что многие рецепторы, активируемые мишенью, также активируются фоновыми запахами [10]. Следовательно, возможно, что добавление фоновых одорантов в смесь запахов будет проявляться как увеличение скоростей дрейфа как в присутствии целевого запаха ( А + ), так и в его отсутствие ( А ). Чем больше количество фоновых запахов, тем больше будет скорость дрейфа.
  2. Снижение сигнала: Однако фоновые запахи также активируют обонятельные рецепторы, которые не активируются целевыми запахами. Поскольку тормозные взаимодействия распространены в обонятельных областях мозга второго и третьего порядка [31–38], добавление фоновых одорантов может подавлять сигналы, связанные с мишенью.Предсказывается, что такие взаимодействия будут проявляться как снижение скорости дрейфа как в присутствии целевого запаха ( A + ), так и в его отсутствие ( A ). Величина уменьшения будет монотонной функцией количества фоновых запахов.
  3. Усиление шума: фоновые запахи могут влиять на динамику реакции нейронов на целевой запах без последовательного влияния на среднюю реакцию. В этом случае добавление фоновых одорантов может проявляться как увеличение шума, связанного с процессом принятия решения, c 2 .

Поведенческие прогнозы трех гипотез изображены на рис. 2A–2C. Они задаются уравнением 2 с линейной функцией от соответствующих параметров модели (см. легенду к рис. 2), а устойчивость этих результатов к параметрам модели и любой монотонной функции задается уравнениями 3 и 4 (см. Методы). Гипотеза «ложного сигнала» предсказывает, что увеличение количества фоновых запахов приведет к увеличению вероятности обнаружения цели, но также проявится в увеличении количества ложных обнаружений (рис. 2А).Другими словами, вероятность того, что испытуемый сообщит о присутствии цели p , будет увеличиваться с увеличением количества фоновых одорантов, как при наличии цели (синий цвет), так и при ее отсутствии (красный цвет). Напротив, гипотеза «уменьшения сигнала» делает противоположный прогноз — вероятности как истинных, так и ложных обнаружений будут уменьшаться с увеличением количества фоновых запахов (рис. 2В). Наконец, гипотеза «усиления шума» предсказывает, что с увеличением количества фоновых одорантов поведение выбора будет сокращаться до независимой от стимула вероятности (( m +1)/2), что приведет как к снижению вероятности обнаружение и увеличение вероятности ложного обнаружения (рис. 2C).Важно отметить, что эти прогнозы являются общими для этой модели и не зависят от конкретного выбора параметров (пока ) или от идентичности соответствующей монотонной функции на фоне. Экспериментальная взаимосвязь между количеством фоновых одорантов и p для обоих типов испытаний изображена на рис. 2D (тонкие линии, отдельные субъекты, толстые линии, среднее по субъектам). P уменьшался с количеством фоновых одорантов в испытаниях с целевым включением и увеличивался с количеством фоновых одорантов в испытаниях с выключенным целевым значением.Эта зависимость согласуется только с предсказанием гипотезы «усиления шума» и не согласуется с гипотезами «ложный сигнал» и «снижение сигнала».

Гипотеза «повышения шума» предсказывает, что среднее время принятия решения (уравнения 5 и 6, методы) будет уменьшаться с увеличением количества фоновых отвлекающих факторов как в испытаниях с включенной целью, так и в испытаниях без цели (рис. 3А, для надежности этих результатов). см. уравнение 6, методы). Чтобы понять это предсказание, рассмотрим предел, в котором дисперсия шума в процессе принятия решения очень велика.Поскольку переменная решения интегрирует этот шум, величина переменной решения очень быстро станет очень большой и превысит один из порогов решения. Это предсказание противоречит здравому смыслу, поскольку предполагает, что решения в более сложных испытаниях — испытаниях, связанных с большим количеством фоновых одорантов и, следовательно, с большим количеством ошибок — будут приниматься быстрее. Чтобы проверить это предположение, мы измерили скорость, с которой были сделаны поведенческие реакции (время реакции). Хотя время реакции включает в себя другие компоненты помимо времени принятия решения, оно является полезным коррелятом времени принятия решения. В соответствии с гипотезой «повышения шума» мы обнаружили, что время реакции уменьшалось с количеством фоновых одорантов (рис. 3В). Это открытие контрастирует с предыдущим исследованием, в котором было обнаружено очень небольшое влияние фоновых одорантов на время реакции, хотя в этом исследовании использовалась парадигма «да-да-да» и оно было основано на гораздо меньшем наборе данных [10]. Взятые вместе, наши результаты показывают, что влияние фоновых одорантов на обнаружение цели можно объяснить механизмом, в котором добавление фона проявляется как дополнительный шум в динамике принятия решений.

Рис. 3. Влияние фоновых одорантов на время принятия решения.

A. Среднее время принятия решения (см. Уравнение 5, Методы) в рамках механизма «усиления шума» в зависимости от количества фоновых одорантов. Синий — «целевые испытания», красный — «целевые испытания». Значения параметров такие же, как на рис. 2: θ = 1; м = 0; , где i ∈{+,−} и , где # BG – количество фоновых одорантов в смеси и k = 1, B. Среднее время реакции мыши в зависимости от количества фоновых одорантов. Тонкие линии показывают данные по отдельным мышам, а толстые линии показывают среднее значение по мышам. Цвета как у A.

https://doi.org/10.1371/journal.pcbi.1009674.g003

Фоновые одоранты могут снижать обнаружение целей за счет комбинированного воздействия как на сигнал, так и на шум. Чтобы оценить вклад фоновых эффектов в сигнал и шум, мы затем подобрали DDM к поведенческим данным, используя процедуру оптимизации хи-квадрат ([39]; также см.: Методы).Мы подгоняем данные каждой мыши индивидуально, эффективно позволяя как скорости дрейфа, так и диффузии свободно варьироваться между 18 условиями, определяемыми идентичностью мишени (мишень A включена, мишень B включена, мишень выключена) и количеством фоновых одорантов ( 0–5 и 1–6 для попыток включения и выключения цели соответственно; см. Методы). На одну мышь подбирали одну начальную точку и один параметр T er , который учитывает компонент времени реакции, не зависящий от процесса принятия решения [39–41]. Более того, поскольку порог (или, альтернативно, коэффициент диффузии, например, см.: [29]) является масштабным параметром как дрейфа, так и квадратного корня из коэффициента диффузии, порог всех мышей во всех условиях был зафиксирован на уровне одно и то же значение (см. Методы). В совокупности на одну мышь подбирали 38 параметров.

Как обсуждалось в разделе «Методы», процедура оптимизации хи-квадрат отдельно рассматривает 6 квантилей ВУ в правильных и неправильных испытаниях, что приводит к 12 сводным статистическим данным для каждого состояния на мышь.Таким образом, модель с 38 параметрами была подобрана с использованием сводной статистики 12×18 = 216. Эти сводные статистические данные были основаны на тысячах испытаний на одно животное (в среднем 16 796, диапазон: 12 302–22 954, см. также: S1 Fig). В среднем было проведено 933 испытания на одно состояние на мышь (16 796/18, диапазон 116–3 439). Эта изменчивость была обусловлена ​​как вариабельностью количества испытаний на мышь, так и тем фактом, что количество испытаний уменьшалось с количеством фоновых одорантов (S1, рис. ).

Подобранные параметры хорошо отражали взаимосвязь между вероятностями выбора и количеством фоновых запахов, а также взаимосвязь между временем реакции и количеством фоновых запахов (рис. S2).Изучение этих моделей показало, что фоновые запахи оказывали постоянное влияние как на дрейф, так и на распространение переменной решения (рис. 4). Абсолютное значение дрейфа постоянно уменьшалось с увеличением количества фоновых запахов (фиг. 4А). И наоборот, величина диффузии постоянно увеличивалась с увеличением количества фоновых запахов (рис. 4В). Эти эффекты были также очевидны на уровне отдельных мышей (S3 Fig). Оба эти эффекта способствуют снижению производительности по мере добавления фоновых запахов, однако только добавленный шум может объяснить уменьшение времени реакции, поскольку уменьшенные сигналы увеличивают, а не уменьшают время реакции.Таким образом, подобранные модели показывают, что фоновые запахи оказывают комплексное влияние на процесс принятия решений, уменьшая сигнал и увеличивая шум. Повышенный уровень шума является причиной парадоксальной зависимости между трудностью проб и временем реакции.

Рис. 4.

Средний дрейф (A) и диффузия (B) в зависимости от количества фоновых одорантов. На графиках изображено среднее значение ± стандартная ошибка для мышей. Испытания с целевым значением показаны синим цветом, а испытания без целевого значения — красным.

https://doi.org/10.1371/journal.pcbi.1009674.g004

Обсуждение

Мы использовали DDM, чтобы понять, как фоновые запахи влияют на обнаруживаемость целевых запахов. Сначала мы проанализировали предсказание трех простых альтернативных механизмов, посредством которых могут действовать фоновые запахи: индуцирование целевого сигнала («ложный сигнал»), снижение целевого сигнала («снижение сигнала») или усиление шума («усиление шума»). Вывод о том, что мыши принимают более быстрые и менее точные решения в испытаниях с большим фоном, согласуется только с гипотезой повышенного шума. Подгонка DDM к поведенческим данным предполагает, что фоновые одоранты действуют за счет комбинированного воздействия как на сигнал, так и на шум, но что парадоксальная взаимосвязь между трудностью пробы и временем реакции вызвана влиянием на шум.

Хотя наши результаты носят общий характер и не зависят от предположения о конкретных параметрах модели и соответствующей (монотонной) функции фона (см. Методы), следует отметить два ограничения нашего анализа. Во-первых, наш анализ неявно предполагал, что все фоновые запахи имеют одинаковый эффект, игнорируя их идентичность, а также идентичность целевых запахов.Было показано, что химическое и репрезентативное перекрытие между целевым и фоновым одорантами определяет фоновую активность [10]. Таким образом, величина фонового одорантного эффекта может зависеть от одоранта. Более крупный набор поведенческих данных может позволить дальнейшее разделение испытаний на основе конкретных комбинаций мишень-фон. Во-вторых, наш анализ полностью основан на конкретной теоретической основе — МДМ.

Важно отметить, что наше исследование, насколько нам известно, впервые обнаружило обратную зависимость между трудностью пробы и временем реакции в задаче, управляемой запахом.В предыдущих исследованиях использовались задачи распознавания запахов для анализа взаимосвязи между скоростью и точностью [42–46]. Предполагается, что в таких задачах трудности связаны с сигналом (сходство запахов), и тем не менее сообщалось о противоречивых результатах, касающихся влияния сложности различения на время реакции. Не совсем ясно, что привело к разным результатам, но возможно, что сложность в некоторых из использованных заданий заключалась в точном представлении границ различения, а не самого сенсорного стимула [46].Кроме того, недавнее исследование показало, что процесс обучения также может влиять на взаимосвязь между сложностью задачи, вероятностью успеха и временем реакции [43].

Что наши результаты говорят нам о перекрестном взаимодействии одорантов? Перекрывающаяся природа сенсорных представлений в обонятельном эпителии дает возможность для многих нелинейных взаимодействий запахов [47-51]. Взаимодействие между пахучими веществами изучалось в основном на уровне сенсорных нейронов [3,12–19,21], а также, в некоторых случаях, в обонятельной луковице и коре головного мозга [3,52–60].Эти исследования проанализировали амплитуды ответов на смеси одорантов и обнаружили, что они обычно сублинейны. Член диффузии в DDM представляет собой шум, который развивается со временем в ходе испытания. Тот факт, что фоновые одоранты действуют как шум в процессе принятия решений, может, таким образом, свидетельствовать о том, что добавление фоновых одорантов изменяет не только амплитуду реакции на запах, но и динамику реакции. Интересно будет проанализировать зависимость динамики реакции от фона в обонятельных отделах мозга.

Сегментация фона — задача, с которой сталкиваются все сенсорные системы. Является ли наш вывод о том, что время реакции уменьшается с увеличением фона, специфичным для обонятельной системы? Хотя фоновая сегментация довольно широко изучалась как при зрении, так и при слухе, насколько нам известно, нет исследований, которые можно было бы непосредственно сравнить с нашими. При обнаружении паттернов Габора в шуме количество фиксаций глаз, необходимых для обнаружения, увеличивается с различными параметрами стимула, однако влияние варьирования шума на время реакции не изучалось [3].Время реакции в тоне при обнаружении шума в слуховой системе увеличивается при снижении отношения сигнал/шум (либо за счет уменьшения сигнала, либо за счет усиления шума), но шум в этих задачах постоянно присутствовал на протяжении всего сеанса и не подчинялся пробе. структура [61,62]. Будущие эксперименты, которые изменяют фон с пробной структурой, могут способствовать сравнению влияния фона на время реакции в различных сенсорных системах.

Методы

Заявление об этике

Все экспериментальные процедуры проводились в соответствии с Комитетом по этике Еврейского университета по уходу и использованию лабораторных животных (утвержденный протокол MD-17-15017-4) и национальными правилами.

Поведение

Предметы и хирургия.

6 взрослых самцов мышей c57bl6 (возраст 10–14 недель, Envigo) обучали выполнению поведенческого задания. Мышей сначала анестезировали (кетамин/ксилазин 100 и 10 мг/кг соответственно) и к их черепу прикрепляли металлическую пластину с помощью стоматологического акрила для последующего удержания головы. Затем мышей помещали парами и содержали в помещении с обратным циклом свет/темнота. Все поведенческие тренировки и тестирование проводились в субъективное ночное время.

Аппарат.

Поведенческий аппарат располагался внутри звукопоглощающей коробки (Med Associates, VT USA) и состоял из устройства фиксации головы, системы подачи запаха, двойного детектора лизания и системы подачи воды. Доставка запаха, мониторинг лизания и водного вознаграждения контролировались с помощью аппаратного обеспечения компьютерного интерфейса (National Instruments) и специального программного обеспечения, написанного в LabVIEW. За мышью непрерывно наблюдали с помощью ПЗС-камеры во время поведенческих сеансов при красном освещении.

Презентация запаха.

Смеси одорантов подавались с использованием изготовленной на заказ машины для запаха, как описано ранее [10]. Устройство для создания запаха было разработано для обеспечения постоянного расхода (1,5 литра в минуту) и обеспечения концентрации различных одорантов независимо друг от друга. Машина запаха состояла из 8 модулей запаха. Каждый модуль состоял из двух стеклянных трубок, одна из которых содержала запах и растворитель, а другая содержала только растворитель. Трехходовой клапан (Lee Company, США) отводил входной поток фильтрованного воздуха либо в трубку для запаха, либо в трубку для растворителя, а выход из обеих труб объединялся для формирования выхода модуля.Такая конструкция гарантировала, что каждый модуль обеспечивал постоянное количество потока в любое время. Входной поток к модулям и выходной поток из модулей были изготовлены из ультрахимически стойких трубок Tygon/ПВХ, соединенных в симметричные попарные бифуркации для обеспечения одинакового потока на всех модулях. Все отдушки были разбавлены до 10% об./об. диэтилфталатом (Sigma Aldrich, CAS 84-66-2) в пробирках, а затем дополнительно разбавлены в газовой фазе потоком других модулей в 8 раз. Смесь пахучих веществ подавалась от точки окончательного схождения пахучих веществ к отверстию для запахов по трубке длиной 1 метр с внутренним диаметром 1/16 дюйма, что позволяло перемешивать ее, сводя к минимуму латентный период от открытия клапана до появления запаха в ноздрях мыши. .Задержку времени между открытием клапана и подачей запаха (200 мс) измеряли с помощью фотоионизационного детектора (miniPID, Aurora Scietific) и вычитали из всех значений времени реакции. Одоранты пополняли во флаконах примерно раз в месяц для поддержания их концентрации.

Набор запахов.

Все отдушки были получены от Sigma Aldrich. Отдушками были (номер CAS в скобках): этилпропионат (105-37-3), изоамилтиглат (41519-18-0), этилтиглат (5837-78-5), 2-этилгексаналь (123-05-7). , Пропилацетат (109-60-4), Изобутилпропионат (540-42-1), Этилвалерат (539-82-2), Фенетилтиглат (55719-85-2).Целевые пары одорантов и мыши, обученные обнаруживать каждую пару, следующие: этилпропионат и изоамилтиглат — мыши 1 и 2. Этилтиглат и 2-этилгексаналь – мыши 3 и 4. Пропилацетат и изобутилпропионат – мыши 5 и 6.

Поведенческое обучение и тестирование.

После операции мышам давали одну неделю на восстановление, а затем ограничивали питье. Затем мышей акклиматизировали к поведенческому аппарату в течение как минимум 2 дней, в течение которых им давали 30 минут свободного исследования и бесплатную воду в аппарате.За этим последовали 2 дня, когда мышей фиксировали на голове и вознаграждали каплей воды за то, что они облизывали водостоки. Чтобы научить мышей облизывать оба носика, в два носика случайным образом подавали капли. На пятый день ограничения воды мыши начали обучение выполнению задания. Мыши выполняли один ежедневный сеанс продолжительностью около 1 часа. Смесь предъявляли на 2 секунды каждые 10 секунд, и мыши должны были лизать вправо, если смесь включала один из двух целевых одорантов (цель включена), и влево, если это не так (цель выключена).Мыши должны были реагировать в течение 2,8 секунд (начиная с 200 мс после появления запаха). Правильные облизывания награждаются каплей воды объемом 8 мкл, а неправильные облизывания наказываются 5-секундным тайм-аутом. Отказы не наказывались и не поощрялись. Обучение начиналось с простых сеансов, и когда мыши достигали 70% производительности за весь сеанс, сложность сеанса корректировалась. Сложность задачи контролировали, варьируя распределение количества компонентов в смеси по следующему уравнению: (1) где p(x) — вероятность x компонентов (от 1 до 6).Параметр b сначала был установлен на 0,1, а затем последовательно увеличивался на 0,25, 0,5, 0,75, достигая максимального значения 1. Данные собирались только в сеансе с b> = 0,5. Мыши выполняли один сеанс в день, в среднем 250 ± 20 испытаний за сеанс (обычно продолжительностью около часа), и каждая мышь вносила от 60 до 91 сеанса в набор данных (среднее значение 72 ± 12 ± стандартное отклонение, n = 6 мышей). . Количество испытаний, выполненных каждой мышью при каждом условии, показано на рис. S1. Мыши часто имели смещение в одну сторону (первоначально часто облизывали только одну сторону). Чтобы устранить эту погрешность, насколько это возможно, статистические данные о стимулах (нацеленные и нецелевые испытания) были поставлены в зависимость от недавнего выбора. Вероятность того, что следующая попытка будет целеустремленной, равнялась единице минус доля облизываний справа в последних 5 попытках. Таким образом, если бы мышь предпочитала лизать влево, у нее было бы больше попыток, в которых правильным ответом было бы лизать вправо. В результате были получены сеансы, в которых доля мишеней в испытаниях составляла в среднем 55%. Производительность уровня вероятности (производительность, если мыши просто угадывают и игнорируют стимул) здесь не легко определить, потому что систематическая ошибка неизвестна, однако она всегда меньше 50%.

Анализ данных.

Кроме подгонки модели (см. ниже), весь анализ выполнялся с использованием пользовательского кода, написанного в Matlab. Сессии со сложностью ниже 0,5 считались тренировочными и не анализировались (за исключением кривых обучения). Случайные сеансы тестирования, в которых производительность упала ниже 70% (общее количество правильных испытаний/общее количество испытаний), также не анализировались (45 таких сеансов были исключены из общего числа 369). Все заявленные параметры были рассчитаны для каждой мыши отдельно.Чтобы устранить колебания времени реакции между сеансами, возникающие из-за различного положения струй воды, время реакции в каждом сеансе было нормализовано к среднему времени реакции в сеансе. Затем все времена реакции умножались на среднее время реакции по всем сеансам, чтобы получить значимые единицы. Нормализованное время реакции и соответствующий выбор в каждом испытании использовались для анализа ниже.

Моделирование

Согласно МДМ решение принимается, когда переменная решения x , отражающая разницу между накопленными свидетельствами в пользу выбора каждой из двух альтернатив, впервые достигает одного из двух порогов, ± θ , где θ >0.Формально динамика в испытании определяется выражением dx / dt = A + ξ , где A — скорость дрейфа, t — время, а ξ — белый шум, такой что E обозначает белый шум. [ ξ ( T )] = 0 и E [ ξ ( T ) ξ ( T ‘)] = C 2 δ ( T т ′). Начальное состояние переменной решения определяется как x ( t = 0) = ( m ∈(−1,1)).В этой модели вероятность того, что переменная решения сначала достигнет + θ , p , в зависимости от параметров модели определяется выражением [22,63]: (2) где r = 2 / c 2 ≠0. Обозначим через + θ и − θ пороги принятия решений, связанные с решениями «цель присутствует» и «цель отсутствует», а через A + и A − скорости дрейфа, связанные с испытаниями, в которых запах присутствует (испытания «цель вкл») и отсутствует (испытания «цель выключен») соответственно, и предполагают, что при отсутствии фоновых запахов и .

Чтобы изучить влияние изменения скорости дрейфа или дисперсии шума на p , мы вычисляем частную производную p по этим переменным: (3) (4) где: g ( r ) = exp(− rm )∙[ch( r )+ m ∙sh( r )]−1.

Заметим, что g ( r ), в области D = {( r , m )|(−1< m <1)∧ r 8 = 0.Это потому, что первое производное г ( R ) в D , ∂ G / ∂ R = RM = RM RM ∙ (1- м 2 ) ∙sinh( r ) = 0 только для r = 0, значение второй производной g ( r ) в D at , и, следовательно, g r ) имеет абсолютный минимум при r = 0. Таким образом, г D ( r )≥ г (0) = 0.Потому что ∂ G / ∂ R / ∂ R строго положительно для D ∩ { R ≠ 0}, G D ∩ { R ∩ 0} ( R )> г (0) и, таким образом, g ( r ) строго положительно для r ≠ 0 и −1 < m <1. Поэтому и .

Согласно гипотезе «ложного сигнала» как A + , так и A являются монотонно возрастающими функциями числа фонового запаха.Таким образом, добавление фоновых запахов увеличивает p и, следовательно, увеличивает вероятность правильного ответа при наличии целевого запаха и уменьшает ее при отсутствии целевого запаха (обратите внимание, что вероятность правильного ответа составляет p в « цель на» испытаниях и 1− p в испытаниях «цель выключена»). Точно так же гипотеза «снижения сигнала» утверждает, что A + и A монотонно уменьшаются с добавлением фоновых запахов с противоположным эффектом на p .Наконец, в гипотезе «повышения шума» фоновые запахи монотонно увеличиваются c 2 без изменения A + и A , что приводит к уменьшению вероятности правильного ответа как при целевой запах присутствует и когда он отсутствует.

Далее рассмотрим влияние фонов запахов на скорость принятия решений в механизме «шумового усиления». В DDM среднее время принятия решения, E[ DT ], как функция параметров модели определяется как [22,63]: (5)

Производная E[ DT ] по отношению к c 2 определяется выражением (6)

Таким образом, если c 2 является монотонно возрастающей функцией количества фоновых запахов, ожидается, что добавление фоновых запахов уменьшит E[ DT ].

Квантильная оценка параметров DDM

Набор поведенческих данных в этом эксперименте состоит из сотен испытаний на мышь для каждого состояния (см. S1 рис.). В этих обстоятельствах [64,65] мы подгоняем DDM к данным ответа каждой мыши, используя процедуру квантильной оптимизации хи-квадрата [39], доступную в наборе инструментов HDDM Python [66]. Мы не использовали байесовскую иерархическую процедуру как из-за обилия данных, так и из-за того, что идентичность целевых запахов менялась между каждыми двумя парами мышей, что делало подгонку групповых параметров менее информативной. В соответствии с процедурой подбора хи-квадрат эмпирические данные правильного и ошибочного отклика в каждом условии отдельно делятся на 6 бинов RT в соответствии с 5 квантилями (0,1, 0,3, 0,5, 0,7 и 0,9) и ожидаемая кумулятивная вероятность до каждого квантиль вычисляется с использованием теоретической кумулятивной вероятности брака. Вычитание ожидаемых кумулятивных вероятностей каждой пары последовательных квантилей и умножение результата на общее количество правильных или ошибочных попыток в этом условии приводит к ожидаемым частотам, соответствующим каждому из 12 интервалов.Целью этой процедуры подгонки является минимизация суммы ( O E ) 2 / E между наблюдаемой и ожидаемой частотами, суммированной по 12 бинам и условиям. Кроме того, процедура подгонки предполагает некоторую часть равномерно распределенных данных-выбросов, которые не следуют динамике DDM (например, из-за потери внимания). Как обычно применяется в текущих процедурах подбора DDM, мы позволили отбросить 5% ответов (подробнее см. : [39,66].

Чтобы оценить вклад фоновых эффектов как в сигнал, так и в шум, мы подгоняем данные реакции каждой мыши к DDM, используя описанную выше процедуру хи-квадрат. Отметим, что при подгонке данных к DDM параметр диффузии обычно рассматривается как параметр масштабирования параметров дрейфа и порога, и поэтому он обычно фиксируется на некотором постоянном значении (часто 0,1 или 1, [29, 67, 68]). Однако каждый из этих трех параметров модели можно рассматривать как параметр масштабирования двух других и, таким образом, зафиксировать на некотором постоянном значении, чтобы измерить, как остальные параметры изменяются в зависимости от условий.Поскольку нас интересовало влияние фона как на сигнал, так и на шум, и поскольку мы использовали пользовательский код, в котором дисперсия диффузии установлена ​​на 1 [66], подобранные параметры были масштабированы для количественной оценки влияния фона на дрейф ( A ) и диффузионная дисперсия ( c 2 ). Остальные параметры ( m ′ и T err , см. ниже) не затрагиваются этим масштабированием и, следовательно, не требуют аналогичной настройки.Отметим также, что в отличие от МДМ, представленной выше, использованная нами процедура подгонки предполагает, что верхний и нижний пороги и начальная точка расположены на θ ′, 0 и 0< м θ ′< θ ′ соответственно (вместо ± θ и − θ < < θ , как в нашей системе моделирования DDM), хотя можно показать, что установка θ = θ ′/2 и + θ = м θ ′ изображает тот же процесс.Таким образом, подобранные параметры были масштабированы согласно: θ ′ = 1 ( θ = 1/2) и м = 2 м ′−1.

Для каждой мыши и каждого из 18 условий – 3 возможных режима целей X 6 возможных значений фонового запаха (цель A: 0–5 фонов; цель B: 0–5 фонов; отсутствие цели: 1–6 фонов)– мы позволили порогу ( θ ′) и параметрам дрейфа ( A ′ ) варьироваться в зависимости от условий, эффективно позволяя параметрам скорости дрейфа ( A ) и дисперсии диффузии ( c 2 ) варьироваться в зависимости от условий. .Чтобы подогнать модель к данным, добавляется T er для учета компонента времени реакции, который не зависит от процесса принятия решения [39–41]. В нашей подгонке одно время отсутствия решения, T err , и одна начальная точка, м ′, соответствовали каждой мыши и не допускались изменения между условиями. Это привело к тому, что в общей сложности 38 параметров были подобраны для каждой мыши. На рис. 4 и S3 показаны скорректированные параметры скорости дрейфа ( A ) и дисперсии диффузии ( c 2 ).Чтобы оценить качество подгонки DDM, мы смоделировали 1000 ответов на основе подобранных параметров, полученных для каждой мыши и каждого условия, и сравнили их с эмпирическими данными. DDM обеспечил разумные соответствия условиям p для мыши и среднему времени реакции (см. S2 Fig). Отметим, что сопоставимые результаты были получены с использованием процедуры подбора максимального правдоподобия (не показано, но см. : доступность данных и кода).

Дополнительная информация

S2 Рис.

Сравнение экспериментальных и предсказанных DDM решений ( A ) и времени принятия решения ( B ). Поведенческие данные (цветные) и прогнозы модели (черные) показаны для каждой мыши (столбец). Данные и прогнозы модели показаны отдельно для целевых испытаний A (синий), целевых испытаний B (фиолетовый) и испытаний без целевых испытаний (красный). Время реакции показано как медиана ± среднее абсолютное отклонение.

https://doi.org/10.1371/journal.pcbi.1009674.s002

(TIF)

S3 Рис.

Drift ( A ) и Diffusion ( B ), извлеченные из DDM, подходят для отдельных мышей. Показаны средние значения для каждой мыши и количество фоновых запахов. испытания разделены по целевому содержанию запаха: цель A (синий), цель B (фиолетовый) и отсутствие цели (красный).

https://doi.org/10.1371/journal.pcbi. 1009674.s003

(TIF)

Благодарности

Мы благодарим Мати Джошуа, Хао Ву, Венкатеша Мурти и сотрудников лаборатории Рокни за комментарии к рукописи.

Каталожные номера

  1. 1. Crouzet SM, Serre T. Какие визуальные особенности лежат в основе быстрого распознавания объектов? Фронтовая психология. 2011;2: 326. pmid:22110461
  2. 2. Эльхилали М., Шамма С.А. Коктейльная вечеринка с изюминкой коры: как корковые механизмы способствуют сегрегации звуков. Журнал Акустического общества Америки. 2008; 124: 3751–3771. пмид:19206802
  3. 3. Уилсон Д.А., Салливан Р.М. Корковая обработка объектов запаха.Нейрон. 2011; 72: 506–519. пмид:22099455
  4. 4. Макдермотт Дж. Х. Проблема коктейльной вечеринки. Карр Биол. 2009; 19: R1024–1027. пмид:19948136
  5. 5. Майкл С., Оксенхэм А.Дж. Высота тона, гармония и одновременная звуковая сегрегация: психоакустические и нейрофизиологические данные. Исследования слуха. 2010; 266: 36–51. пмид:19788920
  6. 6. Теки С., Чайт М., Кумар С., Кригштейн К. фон, Гриффитс Т.Д. Мозговые основы для сегрегации фигуры и земли, управляемой слуховым стимулом.Дж. Нейроски. 2011; 31: 164–171. пмид:21209201
  7. 7. Вольфсон С.С., Лэнди М.С. Изучение механизмов анализа текстур на основе краев и областей. Видение Рез. 1998; 38: 439–446. пмид:9536367
  8. 8. Ли З., Герц Дж. Распознавание запахов и сегментация модели обонятельной луковицы и коры головного мозга. Сеть. 2000; 11: 83–102. пмид:10735530
  9. 9. Матис А., Рокни Д., Капур В., Бетдж М., Мурти В.Н. Считывание обонятельных рецепторов: цепи прямой связи обнаруживают запахи в смесях без разделения.Нейрон. 2016; 91: 1110–1123. пмид:27593177
  10. 10. Рокни Д., Хеммельдер В., Капур В., Мурти В.Н. Обонятельный коктейль: сегрегация одорантов фигура-фон у грызунов. Нат Нейроски. 2014;17: 1225–1232. пмид:25086608
  11. 11. Грабска-Барвинска А., Бартельме С., Бек Дж., Майнен З.Ф., Пуже А., Латам П.Е. Вероятностный подход к разделению запахов. Нат Нейроски. 2017; 20: 98–106. пмид:27918530
  12. 12. Дюшан-Вире П., Дюшан А., Чапут М.А.Отдельные обонятельные сенсорные нейроны одновременно интегрируют компоненты смеси запахов. Европейский журнал неврологии. 2003; 18: 2690–2696. пмид:14656317
  13. 13. Файрстейн С., Шеперд Г.М. Антагонисты нейротрансмиттеров блокируют некоторые обонятельные реакции в нейронах обонятельных рецепторов. Нейроотчет: Международный журнал для быстрого обмена информацией об исследованиях в области неврологии. 1992;3: 661–664. пмид:1355670
  14. 14. Курахаши Т., Лоу Г., Голд Г.Х. Подавление обонятельных реакций одорантами в обонятельных рецепторных клетках.Наука. 1994; 265: 118–120. пмид:8016645
  15. 15. Ока Ю., Омура М., Катаока Х., Тоухара К. Антагонизм обонятельных рецепторов между одорантами. Журнал EMBO. 2004; 23: 120–126. пмид:14685265
  16. 16. Пфистер П., Смит Б.С., Эванс Б.Дж., Бранн Дж.Х., Триммер С., Шейх М. и другие. Ингибирование рецепторов запаха имеет основополагающее значение для кодирования запаха. Текущая биология. 2020;30: 2574–2587.e6. пмид:32470365
  17. 17. Роспарс Ж-П, Лански П., Чапут М., Дюшан-Вире П.Конкурентные и неконкурентные взаимодействия запахов в раннем нейронном кодировании смесей запахов. Дж. Нейроски. 2008; 28: 2659–2666. пмид:18322109
  18. 18. Сингх В., Мерфи Н.Р., Баласубраманиан В., Мейнленд Д.Д. Конкурентное связывание предсказывает нелинейные реакции обонятельных рецепторов на сложные смеси. ПНАС. 2019; 116: 9598–9603. пмид:31000595
  19. 19. Takeuchi H, Ishida H, Hikichi S, Kurahashi T. Механизм обонятельной маскировки в сенсорных ресничках. Журнал общей физиологии.2009; 133: 583–601. пмид:19433623
  20. 20. Редди Г., Зак Д.Д., Вергассола М., Мурти В.Н. Антагонизм нейронов обонятельных рецепторов и его значение для восприятия смесей запахов. В: eLife [Интернет]. 24 апреля 2018 г. [по состоянию на 2 августа 2018 г.]. пмид:29687778
  21. 21. Xu L, Li W, Voleti V, Zou DJ, Hillman EMC, Firestein S. Широко распространенная модуляция, управляемая рецепторами, в периферическом обонятельном кодировании. Наука. 2020;368. пмид:32273438
  22. 22. Богач Р., Браун Э., Мелис Дж., Холмс П., Коэн Д.Д.Физика принятия оптимальных решений: формальный анализ моделей эффективности в двухальтернативных задачах с вынужденным выбором. Psychol Rev. 2006; 113: 700–765. пмид:17014301
  23. 23. Броуди КД, Хэнкс ТД. Нейронная основа накопителя улик. Текущее мнение в нейробиологии. 2016; 37: 149–157. пмид:26878969
  24. 24. Голд Дж.И., Шадлен М.Н. Нейронная основа принятия решений. Ежегодный обзор неврологии. 2007; 30: 535–574. пмид:17600525
  25. 25.Крайбич И., Рангель А. Многоальтернативная модель дрейфа-диффузии предсказывает взаимосвязь между визуальными фиксациями и выбором в решениях, основанных на ценности. ПНАС. 2011; 108: 13852–13857. пмид:21808009
  26. 26. Лэминг ДРЖ. Информационная теория времени выбора-реакции. Оксфорд, Англия: Academic Press; 1968.
  27. 27. Рэтклифф Р. Теория поиска памяти. Психологический обзор. 1978; 85: 59–108.
  28. 28. Heekeren HR, Marrett S, Ungerleider LG.Нервные системы, которые опосредуют перцептивное принятие решений человеком. Обзоры природы Неврология. 2008; 9: 467–479. пмид:18464792
  29. 29. Рэтклифф Р., Ван Зандт Т., МакКун Г. Коннекционистские и диффузионные модели времени реакции. Psychol Rev. 1999; 106: 261–300. пмид:10378014
  30. 30. Рэтклифф Р., Чериан А., Сегрейвс М. Сравнение поведения макак и нейронной активности верхних двухолмий с прогнозами на основе моделей решений с двумя вариантами ответов. Журнал нейрофизиологии.2003; 90: 1392–1407. пмид:12761282
  31. 31. Аревиан А.С., Капур В., Урбан Н.Н. Зависимое от активности блокирование бокового торможения в обонятельной луковице мыши. Нат Нейроски. 2008; 11: 80–87. пмид:18084286
  32. 32. Аунгст Дж. Л., Хейворд П. М., Пуче А. С., Карнуп С. В., Хайяр А., Сабо Г. и др. Центрально-окружное торможение клубочков обонятельных луковиц. Природа. 2003; 426: 623–629. пмид:14668854
  33. 33. Экономо М.Н., Хансен К.Р., Ваховяк М. Контроль выхода митральных/хохлатых клеток путем селективного ингибирования клубочков обонятельных луковиц.Нейрон. 2016; 91: 397–411. пмид:27346531
  34. 34. Фрэнкс К.М., Руссо М.Дж., Сосульски Д.Л., Маллиган А.А., Сигельбаум С.А., Аксель Р. Рекуррентная схема динамически формирует активацию грушевидной коры. Нейрон. 2011; 72: 49–56. пмид:21982368
  35. 35. Пу С, Исааксон Дж.С. Представления запаха в обонятельной коре: «разреженное» кодирование, глобальное торможение и колебания. Нейрон. 2009; 62: 850–861. пмид:19555653
  36. 36. Пу С, Исааксон Дж.С. Основная роль внутрикорковых цепей в силе и настройке вызванного запахом возбуждения в обонятельной коре. Нейрон. 2011; 72: 41–48. пмид:21982367
  37. 37. Сузуки Н, Беккерс Дж.М. Микросхемы, опосредующие прямое и обратное синаптическое торможение в грушевидной коре. Дж. Нейроски. 2012; 32: 919–931. пмид:22262890
  38. 38. Урбан Н.Н., Сакманн Б. Взаимное внутриклубочковое возбуждение и внутри- и межклубочковое латеральное торможение между митральными клетками обонятельной луковицы мыши. Журнал физиологии. 2002; 542: 355–367. пмид:12122137
  39. 39. Рэтклифф Р., Терлинкс Ф.Оценка параметров диффузионной модели: подходы к учету времени реакции загрязняющих веществ и изменчивости параметров. Психономический бюллетень и обзор. 2002; 9: 438–481. пмид:12412886
  40. 40. Рэтклифф Р. Моделирование сигнала отклика и данных о времени отклика. Когнитивная психология. 2006; 53: 195–237. пмид:168

  41. 41. Рэтклифф Р., Роудер Дж. Н. Моделирование времени отклика для решений с двумя вариантами ответов. Психологические науки. 1998; 9: 347–356.
  42. 42. Абрахам Н.М., Спорс Х., Карлтон А., Маргри Т.В., Кунер Т., Шефер А.Т.Сохранение точности за счет скорости: сходство стимулов определяет время различения запахов у мышей. Нейрон. 2004; 44: 865–876. пмид:15572116
  43. 43. Mendonça AG, Drugowitsch J, Vicente MI, DeWitt EEJ, Pouget A, Mainen ZF. Влияние обучения на перцептивные решения и его последствия для компромиссов между скоростью и точностью. Связь с природой. 2020;11: 2757. pmid:32488065
  44. 44. Ринберг Д., Кулаков А., Гельперин А. Компромисс скорости и точности в обонянии.Нейрон. 2006; 51: 351–358. пмид:16880129
  45. 45. Учида Н, Майнен ЗФ. Скорость и точность обонятельной дискриминации у крыс. Неврология природы. 2003;6: 1224–1229. пмид:14566341
  46. 46. Заривала Х.А., Кепец А., Учида Н., Хирокава Дж., Майнен З.Ф. Пределы обдумывания в перцептивной задаче принятия решения. Нейрон. 2013; 78: 339–351. пмид:23541901
  47. 47. Araneda RC, Kini AD, Firestein S. Диапазон молекулярной восприимчивости рецептора запаха.Нат Нейроски. 2000;3: 1248–1255. пмид:11100145
  48. 48. Малник Б., Хироно Дж., Сато Т., Бак Л.Б. Комбинаторные рецепторные коды запахов. Клетка. 1999; 96: 713–723. пмид:10089886
  49. 49. Мейстер М., Бонхёффер Т. Настройка и топография карты запахов обонятельной луковицы крысы. Дж. Нейроски. 2001; 21: 1351–1360. пмид:11160406
  50. 50. Рубин Б.Д., Кац Л.С. Оптическое изображение представлений запаха в обонятельной луковице млекопитающих. Нейрон. 1999; 23: 499–511.пмид:10433262
  51. 51. Soucy ER, Albeanu DF, Fantana AL, Murthy VN, Meister M. Точность и разнообразие карты запахов на обонятельной луковице. Нат Нейроски. 2009; 12: 210–220. пмид:19151709
  52. 52. Дэвисон И.Г., Кац Л.С. Редкое и избирательное кодирование запаха митральными/хохлатыми нейронами в главной обонятельной луковице. Дж. Нейроски. 2007; 27: 2091–2101. пмид:17314304
  53. 53. Флетчер мл. Аналитическая обработка информации о бинарных смесях клубочками обонятельных луковиц.ПЛОС ОДИН. 2011;6: e29360. пмид:22206012
  54. 54. Giraudet P, Berthommier F, Chaput M. Паттерны временной реакции митральных клеток, вызванные смесями запахов в обонятельной луковице крысы. J Нейрофизиол. 2002; 88: 829–838. пмид:12163534
  55. 55. Гупта П., Албеану Д.Ф., Бхалла США. Кодирование обонятельной луковицей запахов, смесей и запахов представляет собой линейную сумму временных профилей запахов. Нат Нейроски. 2015; 18: 272–281. пмид:25581362
  56. 56. Кадохиса М., Уилсон Д.А. Обонятельная корковая адаптация облегчает обнаружение запахов на фоне.Журнал нейрофизиологии. 2006; 95: 1888–1896. пмид:16251260
  57. 57. Лей Х., Муни Р., Кац Л.С. Синаптическая интеграция обонятельной информации в переднем обонятельном ядре мыши. Дж. Нейроски. 2006; 26: 12023–12032. пмид:17108176
  58. 58. Стеттлер Д. Д., Аксель Р. Представления запаха в грушевидной коре. Нейрон. 2009; 63: 854–864. пмид:19778513
  59. 59. Уилсон Д.А. Быстрое, вызванное опытом усиление распознавания запахов нейронами передней грушевидной коры.Журнал нейрофизиологии. 2003; 90: 65–72. пмид:12660351
  60. 60. Йошида И., Мори К. Избирательность профиля категории запаха нейронов обонятельной коры. Дж. Нейроски. 2007; 27: 9105–9114. пмид:17715347
  61. 61. Дилла М., Хрничек А., Райс С., Рамачандран Р. Обнаружение тонов и их модификация шумом у нечеловеческих приматов. J Assoc Res Otolaryngol. 2013; 14: 547–560. пмид:23515749
  62. 62. Кемп С. Время реакции на тон в шуме как функция отношения сигнал/шум и уровня тона.Восприятие и психофизика. 1984; 36: 473–476. пмид:6533569
  63. 63. Сривастава В., Холмс П., Симен П. Явные моменты времени принятия решений для одно- и двухпороговых процессов дрейфа-диффузии. Журнал математической психологии. 2016; 75: 96–109.
  64. 64. Лерче В., Восс А. Повторная проверка надежности параметров модели диффузии Рэтклиффа. Психологические исследования. 2017; 81: 629–652. пмид: 27107855
  65. 65. Лерче В., Восс А., Наглер М.Сколько испытаний требуется для оценки параметров в моделировании диффузии? Сравнение различных критериев оптимизации. Поведение рез. 2017; 49: 513–537. пмид:27287445
  66. 66. Вики Т., Софер И., Фрэнк М. HDDM: иерархическая байесовская оценка модели дрейфа-диффузии в Python. Границы нейроинформатики. 2013;7:14. pmid:23935581
  67. 67. Фостер К., Сингманн Х. Другая аппроксимация плотности времени первого прохождения для модели принятия решений по диффузии Рэтклиффа.arXiv:210401902 [статистика]. 2021 [по состоянию на 30 сентября 2021 г.]. Доступно: http://arxiv.org/abs/2104.01902
  68. 68. Морманн М.М., Малмо Дж., Хут А., Кох С., Рангель А. Модель диффузии дрейфа может учитывать точность и время реакции выбора, основанного на ценности, в условиях высокой и низкой нехватки времени. Рочестер, Нью-Йорк: Сеть исследований в области социальных наук; № отчета за октябрь 2010 г.: ID 1
  69. 3. https://doi.org/10.2139/ssrn.1
  70. 3

Как изменить фон графика в Matplotlib

Введение

Matplotlib — одна из наиболее широко используемых библиотек визуализации данных в Python.От простых до сложных визуализаций, это библиотека для большинства.

В этом уроке мы рассмотрим, как изменить фон графика в Matplotlib .

Импорт данных и библиотек

Давайте сначала импортируем необходимые библиотеки. Нам, очевидно, понадобится Matplotlib, и мы будем использовать Pandas для чтения данных:

  импортировать matplotlib.pyplot как plt
импортировать панд как pd
  

В частности, мы будем использовать набор данных о погоде в Сиэтле:

.
  weather_data = pd.read_csv("СиэтлПогода.csv")
печать (weather_data.head())
  
  ДАТА PRCP TMAX TMIN ДОЖДЬ
0 01. 01.1948 0,47 51 42 Правда
1 02.01.1948 0,59 45 36 Правда
2 03.01.1948 0,42 45 35 Правда
3 04.01.1948 0.31 45 34 Правда
4 05.01.1948 0,17 45 32 Правда
  

Создание графика

Теперь давайте создадим простую диаграмму рассеяния Matplotlib с несколькими переменными, которые мы хотим визуализировать:

  PRCP = Weather_data['PRCP']
TMAX = данные_погоды['TMAX']
TMIN = данные_погоды['TMIN']
  

Теперь мы построим график рассеяния между минимальной температурой и осадками и show() с помощью PyPlot от Matplotlib:

  пл.разброс (TMIN, PRCP)
plt.show()
  

График, который мы создали, можно интерпретировать, но он выглядит немного невзрачным. Попробуем настроить его. Мы хотим настроить фон нашего сюжета, используя несколько разных методов.

Изменить фон графика в Matplotlib

Теперь давайте изменим фон этого сюжета. Мы можем сделать это двумя разными способами. Мы можем изменить цвет грани , который в настоящее время установлен на белый . Или мы можем ввести изображение, используя imshow() .

Изменение фона осей в Matplotlib

Давайте сначала изменим цвет лица . Это можно сделать либо с помощью функции set() , передав аргумент face и его новое значение, либо с помощью специальной функции set_facecolor() :

  топор = plt.axes()
ax.set_facecolor("оранжевый")

ax.set (цвет лица = "оранжевый")

plt.scatter(TMIN, PRCP)
plt.show()
  

Любой из этих подходов приводит к одному и тому же результату, поскольку оба они вызывают одну и ту же функцию под капотом.

Изменить фон рисунка в Matplotlib

Если вы хотите установить фон для фигуры и хотите, чтобы оси были прозрачными, это можно сделать с помощью аргумента set_alpha() при создании фигуры. Давайте создадим фигуру и объект осей. Конечно, вы также можете использовать функцию set() и передать вместо нее атрибут alpha .

Цвет всей фигуры будет синим, и мы изначально установим альфа объекта осей на 1.0 , что означает полностью непрозрачный. Мы окрашиваем объект осей в оранжевый цвет, что дает нам оранжевый фон внутри синей цифры:

.
  рис = plt.figure()
fig.patch.set_facecolor('синий')
fig.patch.set_alpha(0.6)

топор = fig.add_subplot(111)
ax.patch.set_facecolor('оранжевый')
топор.patch.set_alpha(1.0)

plt.scatter(TMIN, PRCP)
plt.show()
  

Теперь давайте посмотрим, что произойдет, когда мы уменьшим альфа подграфика осей до 0,0 :

  рис = plt.figure()
инжир.patch.set_facecolor('синий')
fig.patch.set_alpha(0.6)

топор = fig.add_subplot(111)
ax.patch.set_facecolor('оранжевый')
топор.patch.set_alpha(0.0)

plt.scatter(TMIN, PRCP)
plt.show()
  

Ознакомьтесь с нашим практическим руководством по изучению Git с рекомендациями, принятыми в отрасли стандартами и прилагаемой памяткой. Прекратите гуглить команды Git и на самом деле изучите их!

Обратите внимание, что фон самого графика теперь прозрачен.

Добавление изображения к фону графика в Matplotlib

Если вы хотите использовать изображение в качестве фона для графика, это можно сделать с помощью функции PyPlot imread() .Эта функция загружает изображение в Matplotlib, которое можно отобразить с помощью функции imshow() .

Для построения поверх изображения необходимо указать экстент изображения. По умолчанию Matplotlib использует левый верхний угол изображения в качестве источника изображения. Мы можем передать список точек функции imshow() , указав, какая область изображения должна отображаться. В сочетании с подграфиками поверх изображения можно вставить еще один график.

Давайте используем изображение дождя в качестве фона для нашего сюжета:

  img = plt.imread("дождь.jpg")
рис, топор = plt.subplots()
ax.imshow (изображение, степень = [-5, 80, -5, 30])
ax.scatter (TMIN, PRCP, цвет = "# ebb734")
plt.show()
  

Аргумент экстент принимает дополнительные аргументы в следующем порядке: horizontal_min , horizontal_max , vertical_min , vertical_max ).

Здесь мы прочитали изображение, обрезали его и показали по осям с помощью imshow() .Затем мы построили точечную диаграмму другим цветом и показали график.

Заключение

В этом уроке мы рассмотрели несколько способов изменить фон графика с помощью Python и Matplotlib.

Если вы заинтересованы в визуализации данных и не знаете, с чего начать, обязательно ознакомьтесь с нашим комплектом книг по Визуализация данных в Python :

Визуализация данных в Python с помощью Matplotlib и Pandas — это книга, предназначенная для абсолютных новичков в Pandas и Matplotlib с базовыми знаниями Python и позволяющая им создать прочную основу для расширенной работы с этими библиотеками — от простых графиков до анимированные 3D-графики с интерактивными кнопками.

Он служит подробным руководством, которое научит вас всему, что вам нужно знать о Pandas и Matplotlib, в том числе о том, как создавать типы графиков, которые не встроены в саму библиотеку.

Визуализация данных в Python , книга для начинающих и опытных разработчиков Python, проведет вас через простые операции с данными с Pandas, охватит основные библиотеки построения графиков, такие как Matplotlib и Seaborn, и покажет вам, как использовать преимущества декларативных и экспериментальных библиотек, таких как Альтаир.В частности, в 11 главах эта книга охватывает 9 библиотек Python: Pandas, Matplotlib, Seaborn, Bokeh, Altair, Plotly, GGPlot, GeoPandas и VisPy.

Он служит уникальным практическим руководством по визуализации данных с множеством инструментов, которые вы можете использовать в своей карьере.

Справка онлайн — Справка Origin

PD-Диалог-Фон-Вкладка

Цвет фона слоя можно установить независимо от цвета фона страницы с помощью элементов управления, доступных на вкладке Фон диалогового окна Сведения о графике на уровне слоя, как описано ниже.

Обратите внимание, что цвет фона слоя по умолчанию установлен на Нет . Это приводит к тому, что фон слоя становится прозрачным. Любой цвет, который вы применяете к странице графика, отображается за всеми слоями на странице. Таким образом, если фон слоя не установлен, цвет фона страницы, если он установлен, будет просвечиваться.

Цвет

Этот параметр в сочетании с градиентной заливкой ниже позволяет добавить к слою фоновый цвет.

Чтобы добавить к слою один цвет:

  1. Выберите цвет из раскрывающегося списка Цвет ( Нет = прозрачный).
  2. Убедитесь, что для Градиентная заливка установлено значение Нет .

Чтобы применить прозрачность к фоновому цвету слоя:

  1. Переместите ползунок или введите целое число от 0 (без прозрачности) до 100 (полная прозрачность).

Примечание: Назначение фонового цвета слою не скроет содержимое любых других слоев, которые могут лежать ниже, например, когда один слой перекрывает другой. Если вы хотите скрыть содержимое нижележащих слоев, вам необходимо установить флажок Рисовать слой за слоем на вкладке Слои на уровне графика Детали графика .

Стиль границы

Слой Граница представляет собой ограничительную рамку за пределами рамки слоя.

Чтобы отобразить границу слоя:

  1. Выберите границу из раскрывающегося списка Стиль границы .

Градиентная заливка

Чтобы добавить к слою градиент цветов:

  1. Выберите цвет из раскрывающегося списка Цвет
  2. Выберите One Color или Two Colors из раскрывающегося списка Mode .
  3. Укажите Яркость и Направление для Одноцветного режима, укажите другой цвет из раскрывающегося списка Цвет и Направление для Двухцветного режима.

Чтобы применить прозрачность к цвету градиентной заливки:

  1. Переместите ползунок или введите целое число от 0 (без прозрачности) до 100 (полная прозрачность). Когда установлен флажок Auto , следует прозрачность Color .


Подробную информацию о параметрах градиентной заливки см. в этом разделе.

Арт-объект Страница

Надпись

справа внизу: Ренуар.

Происхождение

(Амбруаз Воллар [1867-1939], Париж).Капитан Эдвард Х. Молинье [1891–1974], Париж, к 1952 году [1] продан 15 августа 1955 года Айлсе Меллон Брюс [1901–1969], Нью-Йорк; завещание 1970 г. NGA.

История выставки
1952
Французские картины из коллекции Молинье, Национальная художественная галерея, Вашингтон, округ Колумбия. С.; Музей современного искусства, Нью-Йорк, 1952 г., ненумерованный контрольный список, в роли обнаженной.
1958
Картины из коллекции миссис Меллон Брюс, Общество четырех искусств, Палм-Бич, 1958, вып. 32, как Ню
1961
Французские картины девятнадцатого века из коллекции миссис Меллон Брюс, Калифорнийский дворец Почетного легиона, Сан-Франциско, 1961, вып.51, копия
1978
Маленькие французские картины из завещания Аилсы Меллон Брюс. Exh. Кот. Национальная художественная галерея, Вашингтон, округ Колумбия, 1978: 66, репродукция. (продолжение выставки с 1978 г.).
Библиография
1918 г.
Воллар, Амбруаз. Картины, пастели и рисунки Пьера-Огюста Ренуара . Париж, 1918:74, репродукция.
1971 г.
Долт, Франсуа. Огюст Ренуар, Каталог произведений живописи. Том I. Цифры 1860-1890 . Лозанна, 1971: нет. 416
1975 г.
Картины Европы: сводный иллюстрированный каталог .Национальная художественная галерея, Вашингтон, 1975: 300, репродукция.
1978 г.
Маленькие французские картины из завещания Айлсы Меллон Брюс . Exh. Кот. Национальная художественная галерея, Вашингтон, округ Колумбия, 1978: 66, репродукция. (продолжение выставки с 1978 г. ).
1985 г.
Картины Европы: иллюстрированный каталог .Национальная художественная галерея, Вашингтон, 1985: 346, репродукция.
Связанный контент

Показывать 306090 результатов на странице

Сохранить график Matplotlib с прозрачным фоном

Фон по умолчанию для графиков matplotlib белый, вы можете изменить цвет фона графика, а также сохранить графики с прозрачным фоном.В этом уроке мы рассмотрим, как сохранить фигуру matplotlib в виде изображения PNG с прозрачным фоном.

Экспорт изображения matplotlib с прозрачным фоном

Функция savefig() pyplot matplotlib используется для сохранения графика в виде файла. Вы можете использовать прозрачный аргумент , чтобы указать, хотите ли вы иметь прозрачный фон для сохраненного изображения. Ниже приведен синтаксис:

.
 plt.savefig("имя_файла.png", прозрачный=Истина) 

Приведенный выше синтаксис предполагает, что «matplotlib.pyplot» импортируется как «plt». Обратите внимание, что значением по умолчанию для прозрачного аргумента является False .

Примеры

Давайте рассмотрим несколько примеров, иллюстрирующих использование приведенного выше синтаксиса.

1. Сохранение графика с фоном по умолчанию

Давайте создадим образец линейной диаграммы в matplotlib и сохраним его как файл изображения без явной передачи значения ключевому слову Transparent . Приведенный ниже код создает линейную диаграмму годового роста сотрудников компании.

 импортировать matplotlib.pyplot как plt

рост числа сотрудников по сравнению с прошлым годом
emp_count = [3, 20, 50, 200, 350, 400]
год = [2014, 2015, 2016, 2017, 2018, 2019]
# график роста сотрудников
plt.plot(год, emp_count)

# добавить метки осей и заголовок графика
plt.xlabel('Год')
plt.ylabel('Сотрудники')
plt.title("Рост сотрудников в годовом исчислении")

# сохранить график как изображение PNG
plt.savefig("employee_growth.png") 

Вот как выглядит сохраненное выше изображение, если мы поместим его на цветной фон.

Вы можете видеть, что график имеет свой собственный белый фон поверх цветного фона.

2. Сохранение графика с прозрачным фоном

Теперь давайте построим тот же линейный график, но на этот раз мы сохраним его с прозрачным фоном.

 # график роста сотрудников
plt.plot(год, emp_count)
# добавить метки осей и заголовок графика
plt.xlabel('Год')
plt.ylabel('Сотрудники')
plt.title("Рост сотрудников в годовом исчислении")

# сохранить график как изображение PNG с прозрачным фоном
plt.savefig("employee_growth_tp.png", прозрачный=Истина) 

Вот как выглядит сохраненное выше изображение, если мы поместим его на цветной фон.

Вы можете заметить, что это изображение легко сливается с цветным фоном, поскольку оно прозрачно.

Чтобы узнать больше о функции savefig() в matploblib, обратитесь к ее документации.

На этом мы подошли к концу этого урока. Примеры кода и результаты, представленные в этом руководстве, были реализованы в Jupyter Notebook с ядром Python (версия 3.8.3) с matplotlib версии 3.

alexxlab

Добавить комментарий

Ваш адрес email не будет опубликован.