reconnaissance de formes humaines est remarquablement robuste. Nous pouvons reconnaître les modèles lorsque les niveaux de lumière sont faibles. Nous pouvons reconnaître les modèles quand nous sommes fatigués. Même avec des présentations tachistoscopiques, nous reconnaissons un grand nombre de stimuli. Si une fonctionnalité net sert de base à la reconnaissance de forme humaine alors les besoins nets d'être similaire robust.Imagine que nous présentons tachistoscopique le mot "MAÏS.
" Avec une brève présentation de la quantité de l'information entrante est petite, et donc les détecteurs pertinents se déclenche que faiblement. Un autre article à ce sujet montre comment cela pourrait se jouer: La présentation rapide de l'O ne suffit pas à déclencher tous les détecteurs de longs approprié pour le O. Comme il se trouve, seul le '' bottom-courbe '' détecteur tire . Ce détecteur de fonction alimente de nombreux détecteurs pour la lettre-exemple. la O-détecteur, le détecteur de U, la Q-détecteur, et la S-detector.
Thus, seulement avec ce détecteur de caractéristique unique activée, chacun de ces détecteurs aux lettres seront faiblement activés. Mais regardez ce qui se passe au niveau suivant. Le CO-, CU, CQ-, et des détecteurs CS-bigrammes recevront tous le même signal. Chacun recevra un signal fort de la C-détecteur, et un signal faible sur le deuxième lettre dans le digram. Toutefois, le CO-détecteur est bien amorcée (parce que cela est un motif fréquent), et ainsi de ce détecteur dispose d'un avantage de fréquence. Par conséquent. un signal faible sera suffisant pour tirer ce détecteur.
Le détecteur de CU est moins apprêtée (puisque ce est un motif moins fréquent); les détecteurs CQ- ou CS, si ceux-ci existent. ne sont pas du tout apprêté. L'entrée faible ne sera donc pas suffisante pour activer ces détecteurs. Ainsi, au niveau de la lettre, il y avait de la confusion sur les détecteurs de l'identité de plusieurs de la lettre d'entrée tiraient, et tous ont été fatigant aussi. Au niveau de digram cette confusion a été réglé, et si une erreur a été avoided.In cet exemple, la confusion au niveau de la lettre a été redressé au niveau de digram.
De la même manière, l'incertitude au niveau de la fonction peut être réglé au niveau de la lettre. et la confusion au niveau de bigram peut être redressé à des niveaux plus élevés (ex. les mots-détecteurs). Les psychologues se réfèrent à ce genre de processus comme une erreur de piégeage-procédures qui détectent et corrig