[论文解读] Adaptive Nonparametric Psychophysics

Lucy L. W. Owen, Jonathan Browder+4 more|arXiv (Cornell University)|Apr 19, 2021

Gaussian Processes and Bayesian Inference参考文献 56被引用 14

一句话总结

本文提出了一种新颖的自适应、非参数贝叶斯方法，用于多维心理物理学，采用具有单调性约束的高斯过程，实现无需参数假设的高效阈值估计。该方法提出了一种新的主动采样策略——水平集估计（LSE），在保持单一实验中联合建模亚阈值与超阈值感知的同时，相较于以往的自适应方法，样本效率最高提升10倍。

ABSTRACT

We introduce a new set of models and adaptive psychometric testing methods for multidimensional psychophysics. In contrast to traditional adaptive staircase methods like PEST and QUEST, the method is multi-dimensional and does not require a grid over contextual dimensions, retaining sub-exponential scaling in the number of stimulus dimensions. In contrast to more recent multi-dimensional adaptive methods, our underlying model does not require a parametric assumption about the interaction between intensity and the additional dimensions. In addition, we introduce a new active sampling policy that explicitly targets psychometric detection threshold estimation and does so substantially faster than policies that attempt to estimate the full psychometric function (though it still provides estimates of the function, albeit with lower accuracy). Finally, we introduce AEPsych, a user-friendly open-source package for nonparametric psychophysics that makes these technically-challenging methods accessible to the broader community.

研究动机与目标

• 解决传统心理物理学方法的局限性，包括维度灾难、参数假设以及对亚阈值与超阈值行为的分离建模。
• 开发一种非参数模型，灵活捕捉刺激维度与响应概率之间复杂的非线性交互作用。
• 设计一种专门针对阈值估计的自适应采样策略（LSE），相较于完整心理物理函数估计，显著提升样本效率。
• 在单一框架下统一检测与辨别建模，联合估计阈值、斜率与截距。
• 通过AEPsych开源软件包，使这些先进方法可被广泛应用于人机协同心理物理实验。

提出的方法

• 使用具有probit似然和单调性约束的高斯过程，非参数化地建模潜在心理物理函数。
• 采用一种新颖的主动采样策略——水平集估计（LSE），直接聚焦于阈值区域，而非估计完整函数。
• 应用贝叶斯优化，结合BALD和BALV等采集函数，基于后验不确定性自适应选择刺激。
• 使用单调性RBF核，避免边界过度探索，提升估计稳定性，尤其在高维或噪声较大的刺激空间中。
• 引入分层先验结构，支持对刺激特征的灵活建模，无需正确缩放或线性交互假设。
• 通过AEPsych开源包，与Python、MATLAB和Unity集成，实现实时人机协同心理物理实验。

实验结果

研究问题

• RQ1 具有单调性约束的非参数贝叶斯模型是否能在估计复杂、非线性心理物理函数方面优于参数模型？
• RQ2 LSE采集策略是否在速度和准确性上优于针对完整心理物理函数的估计方法？
• RQ3 与传统自适应或网格搜索方法相比，该方法在高维刺激空间中的可扩展性如何？
• RQ4 能否在一个实验中联合估计检测阈值、辨别阈值和心理物理函数斜率，而无需单独设计实验？
• RQ5 模型灵活性（如RBF与线性可加核）在面对具有不同复杂度的真实心理物理函数时，对性能的影响程度如何？

主要发现

• LSE采集策略相较于以往自适应方法，样本效率最高提升10倍，显著减少了阈值估计所需的试验次数。
• 单调性RBF核在避免边界过度探索方面优于线性核，尤其在高维或受限的刺激空间中表现更优。
• 在较老的正常听力测试函数上，线性可加模型因与平坦阈值轮廓的先验对齐更强，初期表现优于基于RBF的模型。
• 所提方法可在单一实验中联合估计亚阈值与超阈值行为，消除了对单独检测与辨别研究的需求。
• AEPsych软件包使这些方法能在包括Unity和MATLAB在内的多种平台中，实际部署于真实的人体受试者实验。
• 模拟结果表明，具有单调性约束的非参数GP模型即使在非线性刺激交互作用和非均匀缩放条件下，也能提供稳健且准确的估计。