Individual differences in internal noise are consistent across two measurement techniques

سر و صدای داخلی یک ویژگی محدود کننده اساسی در پردازش تصویر است. سر و صدای داخلی قبلا با پارادایم سر و صدا معادل با استفاده از ماسک های نویز سفید پهنای باند و فرض مدل خطی تخمین زده شده است. با این حال، علاوه بر معرفی سر و صدا در کانال تشخیص، ماسک های سر و صدا سفید می تواند سیگنال های عصبی را مهار کند، و مدل خطی به راحتی داده ها را از پارادایم های دیگر را توضیح نمی دهد. در اینجا پیشنهاد می کنیم برآورد سر و صدای داخلی را از یک مدل کنترل غلبه گیر غیرخطی که داده های تبعیض مقابل را پشتیبانی می کند پیشنهاد کنیم. این روش و برآورد سر و صدا از پارادایم سر و صدایی معادل با یک معیار روانشناختی مستقیم صدا (هماهنگی دو پاس) با استفاده از یک مجموعه داده های دقیق با هفت ناظر مقایسه می شود. علاوه بر این، تضاد کنتراست و پارادایم های دو طرفه با یک مجموعه تصحیح شده از شرایط در 40 ناظر مورد بررسی قرار گرفت. ما نشان می دهیم که مدل کنترل افزایش، دقیق تر پیش بینی های سازگاری دو طرفه را نسبت به یک مدل خطی تولید می کند. ما همچنین نشان می دهیم که پارامتر نویز به شدت به نمرات سازگاری مرتبط است، در حالی که پارامتر کنترل افزایش است؛ یک تمایز که پارادایم سر و صدای معادل قادر نیست. در نهایت، ما استدلال می کنیم که هر دو تبعیض کنتراست و پارادایم های دو طرفه، معیارهای حساس سر و صدا داخلی هستند که می توانند در مطالعه تفاوت های فردی مورد استفاده قرار گیرند.