{"id":53039,"date":"2019-11-22T00:00:00","date_gmt":"2019-11-21T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/lokalizatsiya-zvukov-kak-mozg-raspoznaet-istochniki-zvukov"},"modified":"2020-02-18T14:00:53","modified_gmt":"2020-02-18T11:00:53","slug":"lokalizatsiya-zvukov-kak-mozg-raspoznaet-istochniki-zvukov","status":"publish","type":"post","link":"https:\/\/prohoster.info\/hu\/blog\/news\/lokalizatsiya-zvukov-kak-mozg-raspoznaet-istochniki-zvukov","title":{"rendered":"A hangok lokaliz\u00e1l\u00e1sa: hogyan ismeri fel az agy a hangforr\u00e1sokat","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"A
\n
\nA k\u00f6r\u00fcl\u00f6tt\u00fcnk l\u00e9v\u0151 vil\u00e1g tele van k\u00fcl\u00f6nf\u00e9le inform\u00e1ci\u00f3kkal, amelyeket agyunk folyamatosan feldolgoz. Ez az inform\u00e1ci\u00f3 az \u00e9rz\u00e9kszerveinken kereszt\u00fcl \u00e9rkezik, mindegyik a saj\u00e1t jel\u00e9nek r\u00e9sz\u00e9\u00e9rt felel\u0151s: szem (l\u00e1t\u00e1s), nyelv (\u00edzlel\u00e9s), orr (szagl\u00e1s), b\u0151r (tapint\u00e1s), vestibul\u00e1ris appar\u00e1tus (egyens\u00faly, testhelyzet \u00e9s s\u00faly\u00e9rzet) \u00e9s f\u00fcl (hang). Az \u00f6sszes \u00e9rz\u00e9kszervt\u0151l \u00e9rkez\u0151 jelek \u00f6sszegy\u0171jt\u00e9s\u00e9vel agyunk pontos k\u00e9pet k\u00e9pes alkotni a k\u00f6rnyezetr\u0151l. De nem minden k\u00fcls\u0151 jel feldolgoz\u00e1s\u00e1nak aspektusa ismert sz\u00e1munkra. Az egyik ilyen titok a hangforr\u00e1s lokaliz\u00e1l\u00e1s\u00e1nak mechanizmusa.<\/p>\n

A New Jersey-i M\u0171szaki Int\u00e9zet Besz\u00e9d- \u00e9s Hall\u00e1s Neuroengineering Laborat\u00f3rium\u00e1nak tud\u00f3sai egy \u00faj modellt javasoltak a hang lokaliz\u00e1l\u00e1s\u00e1nak neur\u00e1lis folyamat\u00e1r\u00f3l. Milyen folyamatok zajlanak az agyunkban a hang \u00e9rz\u00e9kel\u00e9se sor\u00e1n, hogyan \u00e9rti meg az agyunk a hangforr\u00e1s hely\u00e9t, \u00e9s hogyan seg\u00edthet ez a kutat\u00e1s a hall\u00e1si hib\u00e1k lek\u00fczd\u00e9s\u00e9ben. Err\u0151l tudhatunk meg t\u00f6bbet a kutat\u00f3csoport besz\u00e1mol\u00f3j\u00e1b\u00f3l. Induljunk.<\/a><\/noindex><\/p>\n

A kutat\u00e1s alapja<\/h3>\n

\nAz inform\u00e1ci\u00f3, amelyet agyunk az \u00e9rz\u00e9kszervekt\u0151l kap, k\u00fcl\u00f6nb\u00f6z\u0151ek, mind forr\u00e1s, mind feldolgoz\u00e1s szempontj\u00e1b\u00f3l. Egyes jelek azonnal pontos inform\u00e1ci\u00f3k\u00e9nt jelennek meg az agyunkban, m\u00edg m\u00e1sok tov\u00e1bbi sz\u00e1m\u00edt\u00e1si folyamatokat ig\u00e9nyelnek. Egyszer\u0171en fogalmazva, a tapint\u00e1st azonnal \u00e9rz\u00e9kelj\u00fck, m\u00edg a hang hall\u00e1sakor m\u00e9g meg kell tal\u00e1lnunk, honnan \u00e9rkezik. <\/p>\n

A hangok lokaliz\u00e1l\u00e1s\u00e1nak alapja a v\u00edzszintes s\u00edkban interaur\u00e1lis*<\/i> id\u0151beli k\u00fcl\u00f6nbs\u00e9g (ITD, azaz interaural time difference<\/i>) a f\u00fcl\u00fcnkh\u00f6z el\u00e9rkez\u0151 hangok k\u00f6z\u00f6tt.<\/p>\n

Az interaur\u00e1lis alap*<\/b> a f\u00fcl\u00f6k k\u00f6z\u00f6tti t\u00e1vols\u00e1g.<\/p><\/blockquote>\n

Az agyban van egy meghat\u00e1rozott ter\u00fclet (medi\u00e1lis fels\u0151 oliva vagy MVO), amely felel\u0151s ez\u00e9rt a folyamat\u00e9rt. A hangjelz\u00e9s befogad\u00e1s\u00e1nak pillanat\u00e1ban az MVO-ben az interaur\u00e1lis id\u0151beli k\u00fcl\u00f6nbs\u00e9geket a neuronok reakci\u00f3sebess\u00e9g\u00e9v\u00e9 alak\u00edtj\u00e1k. Az MVO kimeneti jel\u00e9nek sebess\u00e9gg\u00f6rb\u00e9j\u00e9nek alakja az ITD f\u00fcggv\u00e9ny\u00e9ben hasonl\u00edt a bemeneti jelek k\u00f6lcs\u00f6nkorrel\u00e1ci\u00f3s funkci\u00f3j\u00e1ra, mindk\u00e9t f\u00fcl sz\u00e1m\u00e1ra.<\/p>\n

Az, ahogyan az MVO-ban az inform\u00e1ci\u00f3kat feldolgozz\u00e1k \u00e9s \u00e9rtelmezik, m\u00e9g mindig nem teljesen vil\u00e1gos, ez\u00e9rt t\u00f6bb ellentmond\u00e1sos elm\u00e9let l\u00e9tezik. A legismertebb \u00e9s klasszikus hanglocaliz\u00e1ci\u00f3s elm\u00e9let Jeffress modellje.Lloyd A. Jeffress<\/i>. Ez a megjel\u00f6lt vonal*<\/i> neuronokb\u00f3l \u00e1ll\u00f3 detektorokra \u00e9p\u00edt, amelyek \u00e9rz\u00e9kenyek a binaur\u00e1lis szinkroniz\u00e1ci\u00f3ra a k\u00e9t f\u00fclb\u0151l \u00e9rkez\u0151 neuron\u00e1lis bemeneti jelekben, ahol minden egyes neuron maxim\u00e1lisan \u00e9rz\u00e9keny egy adott ITD (interaur\u00e1lis id\u0151k\u00fcl\u00f6nbs\u00e9g) nagys\u00e1gra.1A<\/b>).<\/p>\n

Megjel\u00f6lt vonal elve*<\/b> \u2014 hipot\u00e9zis, amely megmagyar\u00e1zza, hogy a k\u00fcl\u00f6nb\u00f6z\u0151 idegek, amelyek mind ugyanazt a fiziol\u00f3giai elvet alkalmazz\u00e1k az impulzusok axonon bel\u00fcli tov\u00e1bb\u00edt\u00e1sakor, hogyan k\u00e9pesek k\u00fcl\u00f6nb\u00f6z\u0151 \u00e9rz\u00e9seket gener\u00e1lni. Az strukt\u00far\u00e1jukban hasonl\u00f3 idegek k\u00fcl\u00f6nb\u00f6z\u0151 \u00e9rz\u00e9kszervi \u00e9szlel\u00e9seket gener\u00e1lhatnak, ha egyedi neuronokkal kapcsol\u00f3dnak a k\u00f6zponti idegrendszerben, amelyek k\u00e9pesek elt\u00e9r\u0151 m\u00f3don dek\u00f3dolni a hasonl\u00f3 neuron\u00e1lis jeleket.<\/p><\/blockquote>\n

\n\"A
\n K\u00e9p \u21161<\/i><\/p>\n

Ez a modell sz\u00e1m\u00edt\u00e1si szempontb\u00f3l hasonl\u00edt a neuron\u00e1lis k\u00f3dol\u00e1sra, amely a k\u00e9t f\u00fclbe \u00e9rkez\u0151 hangok korl\u00e1tlan k\u00f6lcs\u00f6n\u00f6s korrel\u00e1ci\u00f3in alapul. <\/p>\n

L\u00e9tezik egy m\u00e1sik modell is, amely szerint a hanglocaliz\u00e1ci\u00f3 megmodellezhet\u0151 a k\u00fcl\u00f6nb\u00f6z\u0151 agyf\u00e9ltek\u00e9kb\u0151l sz\u00e1rmaz\u00f3 neuronpopul\u00e1ci\u00f3k reakci\u00f3sebess\u00e9g\u00e9nek elt\u00e9r\u00e9se alapj\u00e1n, azaz a hemisph\u00e9ri\u00e1s aszimmetria modellje szerint.1V<\/b>).<\/p>\n

Eddig neh\u00e9z volt egy\u00e9rtelm\u0171en kijelenteni, hogy a k\u00e9t elm\u00e9let (modell) k\u00f6z\u00fcl melyik a helyes, figyelembe v\u00e9ve, hogy mindkett\u0151 k\u00fcl\u00f6nb\u00f6z\u0151 f\u00fcgg\u0151s\u00e9geket j\u00f3sol a hanglocaliz\u00e1ci\u00f3 \u00e9s a hang intenzit\u00e1sa k\u00f6z\u00f6tt. <\/p>\n

A ma vizsg\u00e1lt tanulm\u00e1nyban a kutat\u00f3k \u00fagy d\u00f6nt\u00f6ttek, hogy \u00f6tv\u00f6zik a k\u00e9t modellt, hogy meg\u00e9rts\u00e9k, vajon a hangok \u00e9szlel\u00e9se neuron\u00e1lis k\u00f3dol\u00e1son vagy a k\u00fcl\u00f6n\u00e1ll\u00f3 neuronpopul\u00e1ci\u00f3k reakci\u00f3k\u00fcl\u00f6nbs\u00e9g\u00e9n alapul-e. Sz\u00e1mos k\u00eds\u00e9rletet v\u00e9geztek, amelyekben 18 \u00e9s 27 \u00e9v k\u00f6z\u00f6tti emberek (5 n\u0151 \u00e9s 7 f\u00e9rfi) vettek r\u00e9szt. A r\u00e9sztvev\u0151k audiometri\u00e1ja (hall\u00e1s\u00e9less\u00e9g m\u00e9r\u00e9se) 25 dB vagy ann\u00e1l nagyobb volt 250 \u00e9s 8000 Hz k\u00f6z\u00f6tti frekvenci\u00e1n. A k\u00eds\u00e9rletek r\u00e9sztvev\u0151it hangszigetelt szob\u00e1ba helyezt\u00e9k, ahol speci\u00e1lis, magas pontoss\u00e1ggal kalibr\u00e1lt berendez\u00e9seket helyeztek el. A r\u00e9sztvev\u0151knek a hangjelz\u00e9s hallat\u00e1n meg kellett jel\u00f6lni\u00fck, hogy honnan \u00e9rkezik.<\/p>\n

A kutat\u00e1s eredm\u00e9nyei<\/h3>\n

\nA f\u00fcgg\u0151s\u00e9g \u00e9rt\u00e9kel\u00e9s\u00e9hez lateriz\u00e1ci\u00f3*<\/i> a neuronok jel\u00f6l\u00e9s\u00e9nek reakci\u00f3sebess\u00e9geir\u0151l sz\u00e1rmaz\u00f3 adatokat haszn\u00e1lt\u00e1k a baglyok agy\u00e1nak laminaris magj\u00e1ban a hang intenzit\u00e1s\u00e1ra adott agyi aktivit\u00e1s \u00e9rt\u00e9kel\u00e9s\u00e9hez.<\/p>\n

Lateralit\u00e1s*<\/b> \u2014 a test bal \u00e9s jobb fele k\u00f6z\u00f6tti aszimmetria.<\/p><\/blockquote>\n

A specifikus neuronpopul\u00e1ci\u00f3k reakci\u00f3sebess\u00e9g\u00e9t\u0151l f\u00fcgg\u0151 agyi aktivit\u00e1s lateriz\u00e1ci\u00f3j\u00e1nak \u00e9rt\u00e9kel\u00e9s\u00e9hez a mak\u00e1k\u00f3 als\u00f3 k\u00e9t dombj\u00e1nak aktivit\u00e1si adatait haszn\u00e1lt\u00e1k, majd kisz\u00e1m\u00edtott\u00e1k a k\u00fcl\u00f6nbs\u00e9geket az elt\u00e9r\u0151 f\u00e9ltek\u00e9k neuronjaib\u00f3l.<\/p>\n

A jel\u00f6lt neuron-detektorok vonalmodelje azt felt\u00e9telezi, hogy a hang intenzit\u00e1s\u00e1nak cs\u00f6kkent\u00e9s\u00e9vel a \u00e9szlelt forr\u00e1s laterit\u00e1sa egy k\u00f6z\u00e9p\u00e9rt\u00e9khez k\u00f6zel\u00edt, amely hasonl\u00f3 a csendes \u00e9s hangos hangok ar\u00e1ny\u00e1hoz (1C<\/b>).<\/p>\n

A k\u00e9t agyf\u00e9lteke k\u00f6z\u00f6tti aszimmetria modellje azt felt\u00e9telezi, hogy a hang intenzit\u00e1s\u00e1nak cs\u00f6kkent\u00e9sekor, amely majdnem k\u00fcsz\u00f6b\u00e9rt\u00e9ken van, a \u00e9szlelt laterit\u00e1s a k\u00f6z\u00e9ps\u0151 vonal fel\u00e9 fog elmozdulni (1D<\/b>).<\/p>\n

Magasabb \u00e1ltal\u00e1nos hangintenzit\u00e1s eset\u00e9n a lateriz\u00e1ci\u00f3 intenzit\u00e1s-invari\u00e1nsnak tekinthet\u0151 (bet\u00e9tek a 1C<\/b> \u00e9s 1D<\/b>).<\/p>\n

K\u00f6vetkez\u00e9sk\u00e9ppen, annak elemz\u00e9se, hogy a hang intenzit\u00e1sa hogyan befoly\u00e1solja a hallott hang ir\u00e1ny\u00e1t, pontosan meghat\u00e1rozza az adott pillanatban folyamatban l\u00e9v\u0151 esem\u00e9nyek term\u00e9szet\u00e9t \u2014 az ugyanazon ter\u00fcletr\u0151l vagy a k\u00fcl\u00f6nb\u00f6z\u0151 f\u00e9ltek\u00e9kb\u0151l sz\u00e1rmaz\u00f3 neuronok.<\/p>\n

Nyilv\u00e1nval\u00f3, hogy az ember ITD-ra val\u00f3 \u00e9rz\u00e9kenys\u00e9ge v\u00e1ltozhat a hang intenzit\u00e1sa f\u00fcggv\u00e9ny\u00e9ben. A tud\u00f3sok azonban kijelentik, hogy el\u00e9g neh\u00e9z \u00e9rtelmezni a kor\u00e1bbi meg\u00e1llap\u00edt\u00e1sokat, amelyek az ITD \u00e9rz\u00e9kenys\u00e9ge \u00e9s a hallgat\u00f3 \u00e1ltal a hangforr\u00e1s ir\u00e1ny\u00e1nak meg\u00edt\u00e9l\u00e9se k\u00f6z\u00f6tt a hang intenzit\u00e1s\u00e1nak f\u00fcggv\u00e9nyek\u00e9nt kapcsolatot vonnak. Egyes kutat\u00e1sok szerint, amikor a hang intenzit\u00e1sa el\u00e9ri a k\u00fcsz\u00f6b\u00e9rt\u00e9ket, cs\u00f6kken a forr\u00e1s \u00e9szlelt laterit\u00e1sa. M\u00e1s kutat\u00e1sok arr\u00f3l sz\u00e1molnak be, hogy a hang intenzit\u00e1s\u00e1nak hat\u00e1sa a percepci\u00f3ra egy\u00e1ltal\u00e1n nem l\u00e9tezik.<\/p>\n

M\u00e1s sz\u00f3val, a tud\u00f3sok \u201efinoman\u201d utalnak arra, hogy a szakirodalomban meglehet\u0151sen kev\u00e9s inform\u00e1ci\u00f3 \u00e1ll rendelkez\u00e9sre az ITD, a hangintenzit\u00e1s \u00e9s a forr\u00e1s ir\u00e1ny\u00e1nak meghat\u00e1roz\u00e1sa k\u00f6z\u00f6tti kapcsolatr\u00f3l. L\u00e9teznek olyan elm\u00e9letek, amelyek kv\u00e1zi axi\u00f3mak\u00e9nt m\u0171k\u00f6dnek, \u00e9s amelyeket a tudom\u00e1nyos k\u00f6z\u00f6ss\u00e9g \u00e1ltal\u00e1nosan elfogadott. Ez\u00e9rt \u00fagy d\u00f6nt\u00f6ttek, hogy r\u00e9szletesen megvizsg\u00e1lj\u00e1k az \u00f6sszes elm\u00e9letet, modellt \u00e9s a hall\u00e1s \u00e9szlel\u00e9s\u00e9nek lehets\u00e9ges mechanizmusait a gyakorlatban.<\/p>\n

Az els\u0151 k\u00eds\u00e9rletet a pszichofizikai paradigma alkalmaz\u00e1s\u00e1val v\u00e9gezt\u00e9k, ami lehet\u0151v\u00e9 tette az ITD alap\u00fa lateralis\u00e1ci\u00f3 vizsg\u00e1lat\u00e1t a hangintenzit\u00e1s f\u00fcggv\u00e9nyek\u00e9nt egy t\u00edzf\u0151s, norm\u00e1l hall\u00e1s\u00fa r\u00e9sztvev\u0151k csoportj\u00e1ban.<\/p>\n

\"A
\n2. k\u00e9p<\/i><\/p>\n

A hangforr\u00e1sokat k\u00fcl\u00f6n\u00f6sen \u00fagy \u00e1ll\u00edtott\u00e1k be, hogy lefedj\u00e9k a frekvenciatartom\u00e1ny nagy r\u00e9sz\u00e9t, amelyen bel\u00fcl az emberek k\u00e9pesek az ITD-t \u00e9szlelni, azaz 300-t\u00f3l 1200 Hz-ig terjed\u0151en (2A<\/b>).<\/p>\n

Minden egyes pr\u00f3b\u00e1ban a hallgat\u00f3nak meg kellett hat\u00e1roznia a felt\u00e9telezett later\u00e1lis ir\u00e1nyokat, amelyeket az \u00e9rzetek szintje szerint m\u00e9rtek, az ITD \u00e9rt\u00e9keinek tartom\u00e1ny\u00e1ban 375-t\u0151l 375 ms-ig. A hangintenzit\u00e1s hat\u00e1s\u00e1nak meghat\u00e1roz\u00e1s\u00e1ra nemline\u00e1ris vegyes hat\u00e1smodell (NMLE) alkalmaz\u00e1s\u00e1val ker\u00fclt sor, amely tartalmazott fix \u00e9s v\u00e9letlen hangintenzit\u00e1st is.<\/p>\n

A diagram 2B<\/b> a reprezentat\u00edv hallgat\u00f3 sz\u00e1m\u00e1ra a spektrumosan s\u00edk zajjal m\u00e9rt hangintenzit\u00e1s k\u00e9t szintje mellett \u00e9rt\u00e9kelt lateralis\u00e1ci\u00f3t szeml\u00e9lteti. A diagram 2C<\/b> a nyers adatokat (k\u00f6r\u00f6k) \u00e9s az NMLE modellhez illesztett adatokat (vonalak) mutatja be minden hallgat\u00f3 eset\u00e9ben.<\/p>\n

\"A
\n1. t\u00e1bl\u00e1zat<\/i><\/p>\n

A fenti t\u00e1bl\u00e1zat bemutatja az \u00f6sszes NLME param\u00e9tert. L\u00e1that\u00f3, hogy a percepci\u00f3s lateralis\u00e1ci\u00f3 az ITD n\u00f6veked\u00e9s\u00e9vel n\u0151tt, ahogyan azt a tud\u00f3sok v\u00e1rt\u00e1k. A hangintenzit\u00e1s cs\u00f6kken\u00e9s\u00e9vel a percepci\u00f3 egyre ink\u00e1bb a k\u00f6z\u00e9pvonal fel\u00e9 tol\u00f3dott (a diagram besz\u00far\u00e1sa 2C<\/b>).<\/p>\n

Ezeket a tendenci\u00e1kat al\u00e1t\u00e1masztotta az NLME modell, amely jelent\u0151s hat\u00e1st mutatott az ITD \u00e9s a hangintenzit\u00e1s maximaliz\u00e1lt lateralis\u00e1ti fok\u00e1ra, meger\u0151s\u00edtve a k\u00e9t agyf\u00e9lteke k\u00f6z\u00f6tti elt\u00e9r\u00e9sek modellj\u00e9t.<\/p>\n

Tov\u00e1bb\u00e1, a tiszta hangok \u00e1tlagos audiometriai k\u00fcsz\u00f6beinek elhanyagolhat\u00f3 hat\u00e1sa volt a percepci\u00f3s lateralis\u00e1ci\u00f3ra. A hangintenzit\u00e1s azonban l\u00e9nyegesen nem befoly\u00e1solta a pszichometriai funkci\u00f3k \u00e9rt\u00e9keit.<\/p>\n

A m\u00e1sodik k\u00eds\u00e9rlet f\u0151 c\u00e9lja az volt, hogy meghat\u00e1rozza, hogyan v\u00e1ltoznak meg az el\u0151z\u0151 k\u00eds\u00e9rlet eredm\u00e9nyei a stimulusok (hangok) spektr\u00e1lis jellemz\u0151inek figyelembev\u00e9tel\u00e9vel. A spektr\u00e1lisan s\u00edk zaj alacsony hangintenzit\u00e1sn\u00e1l t\u00f6rt\u00e9n\u0151 ellen\u0151rz\u00e9s\u00e9nek sz\u00fcks\u00e9gess\u00e9ge abban rejlik, hogy a spektrum egyes r\u00e9szei nem hallhat\u00f3ak, \u00e9s ez befoly\u00e1solhatja a hang ir\u00e1ny\u00e1nak meghat\u00e1roz\u00e1s\u00e1t. Ez\u00e9rt az els\u0151 k\u00eds\u00e9rlet eredm\u00e9nyeit f\u00e9lre\u00e9rtelmezhetj\u00fck, mivel a hallhat\u00f3 spektrum sz\u00e9less\u00e9ge cs\u00f6kkenhet a hangintenzit\u00e1s cs\u00f6kken\u00e9s\u00e9vel. <\/p>\n

Ez\u00e9rt \u00fagy d\u00f6nt\u00f6ttek, hogy egy \u00fajabb k\u00eds\u00e9rletet v\u00e9geznek, de m\u00e1r az A-v weighing*<\/i> zajok alkalmaz\u00e1s\u00e1val.<\/p>\n

Az A-v weighing*<\/b> a hangszintekhez van alkalmazva, hogy figyelembe vegye azt a relat\u00edv hanger\u0151t, amelyet az emberi f\u00fcl \u00e9rz\u00e9kel, mivel a f\u00fcl kev\u00e9sb\u00e9 \u00e9rz\u00e9keny az alacsony frekvenci\u00e1j\u00fa hangokra. Az A-v weighing az okt\u00e1vs\u00e1vokban felsorolt \u00e9rt\u00e9kek t\u00e1bl\u00e1zat\u00e1nak aritmetikai hozz\u00e1ad\u00e1s\u00e1val val\u00f3sul meg az dB-ben m\u00e9rt hangnyom\u00e1s szintekhez.<\/p><\/blockquote>\n

A grafikonon 2D<\/b> Az \u00e1br\u00e1n a nyers adatok (k\u00f6r\u00f6k) \u00e9s a NMLE modellhez illesztett adatok (vonalak) l\u00e1that\u00f3k az \u00f6sszes k\u00eds\u00e9rleti r\u00e9sztvev\u0151 sz\u00e1m\u00e1ra. <\/p>\n

Az adatelemz\u00e9s azt mutatta, hogy amikor a hang minden r\u00e9sze k\u00f6r\u00fclbel\u00fcl azonosan hallhat\u00f3 (mind az els\u0151, mind a m\u00e1sodik k\u00eds\u00e9rletben), a \u00e9szlelt lateralit\u00e1s \u00e9s a grafikon d\u0151l\u00e9se, ami a lateralit\u00e1s ITD-val val\u00f3 v\u00e1ltoz\u00e1s\u00e1t magyar\u00e1zza, cs\u00f6kken a hangintenzit\u00e1s cs\u00f6kken\u00e9s\u00e9vel.<\/p>\n

\u00cdgy a m\u00e1sodik k\u00eds\u00e9rlet eredm\u00e9nyei meger\u0151s\u00edtett\u00e9k az els\u0151 k\u00eds\u00e9rlet eredm\u00e9nyeit. Vagyis a gyakorlatban kider\u00fclt, hogy az 1948-ban Jeffress \u00e1ltal javasolt modell nem helyes.<\/p>\n

\u00cdgy a hangok lokaliz\u00e1l\u00e1sa romlik a hangintenzit\u00e1s cs\u00f6kken\u00e9s\u00e9vel, m\u00edg Jeffress azt \u00e1ll\u00edtotta, hogy a hangokat az ember egyform\u00e1n \u00e9rz\u00e9keli \u00e9s dolgozza fel, f\u00fcggetlen\u00fcl azok intenzit\u00e1s\u00e1t\u00f3l. <\/p>\n

A kutat\u00e1s r\u00e9szleteivel val\u00f3 alaposabb megismerked\u00e9shez javaslom, hogy n\u00e9zze meg a tud\u00f3sok jelent\u00e9s\u00e9t<\/a><\/noindex>.<\/p>\n

Epil\u00f3gus<\/h3>\n

\nA teoretikus felt\u00e9telez\u00e9sek \u00e9s az azokat al\u00e1t\u00e1maszt\u00f3 gyakorlati k\u00eds\u00e9rletek azt mutatt\u00e1k, hogy az eml\u0151s\u00f6k agy\u00e1nak neuronjai k\u00fcl\u00f6nb\u00f6z\u0151 sebess\u00e9ggel aktiv\u00e1l\u00f3dnak a hangjel ir\u00e1ny\u00e1t\u00f3l f\u00fcgg\u0151en. Ezut\u00e1n az agy ezeket a sebess\u00e9geket \u00f6sszehasonl\u00edtja az \u00f6sszes r\u00e9sztvev\u0151 neuron k\u00f6z\u00f6tt a hangz\u00e1si k\u00f6rnyezet dinamikus t\u00e9rk\u00e9peinek fel\u00e9p\u00edt\u00e9se \u00e9rdek\u00e9ben.<\/p>\n

Jeffress modellje val\u00f3j\u00e1ban nem 100%-osan hib\u00e1s, mivel ez\u00e1ltal t\u00f6k\u00e9letesen le\u00edrhat\u00f3 a hangforr\u00e1s lokaliz\u00e1ci\u00f3ja a f\u00fclek eset\u00e9ben. Igen, a f\u00fclek sz\u00e1m\u00e1ra a hang intenzit\u00e1sa nem sz\u00e1m\u00edt, \u00edgy vagy \u00fagy meghat\u00e1rozz\u00e1k a forr\u00e1s helyzet\u00e9t. Azonban ez a modell nem m\u0171k\u00f6dik a rhesus majmokkal, ahogyan azt kor\u00e1bbi k\u00eds\u00e9rletek is megmutatt\u00e1k. K\u00f6vetkez\u00e9sk\u00e9ppen a Jeffress modell nem k\u00e9pes le\u00edrni a hangok lokaliz\u00e1ci\u00f3j\u00e1t minden \u00e9l\u0151l\u00e9ny sz\u00e1m\u00e1ra. <\/p>\n

Az emberekkel v\u00e9gzett k\u00eds\u00e9rletek ism\u00e9telten meger\u0151s\u00edtett\u00e9k, hogy a hangok lokaliz\u00e1ci\u00f3ja k\u00fcl\u00f6nb\u00f6z\u0151 szervezetekn\u00e9l elt\u00e9r\u0151 m\u00f3don zajlik. Sok r\u00e9sztvev\u0151 nem tudta helyesen meghat\u00e1rozni a hangjelz\u00e9sek forr\u00e1s\u00e1nak hely\u00e9t a hangok alacsony intenzit\u00e1sa miatt. <\/p>\n

A tud\u00f3sok \u00fagy v\u00e9lik, hogy munk\u00e1juk bizonyos hasonl\u00f3s\u00e1got mutat azzal kapcsolatban, ahogyan l\u00e1tunk \u00e9s ahogyan hallunk. Mindk\u00e9t folyamat kapcsol\u00f3dik a neuronok sebess\u00e9g\u00e9hez az agy k\u00fcl\u00f6nb\u00f6z\u0151 r\u00e9szein, valamint ennek a k\u00fcl\u00f6nbs\u00e9gnek az \u00e9rt\u00e9kel\u00e9s\u00e9hez, hogy meghat\u00e1rozzuk a l\u00e1tott t\u00e1rgyak elhelyezked\u00e9s\u00e9t a t\u00e9rben, valamint a hallott hang forr\u00e1s\u00e1nak helyzet\u00e9t.<\/p>\n

A j\u00f6v\u0151beni kutat\u00f3k sz\u00e1mos k\u00eds\u00e9rletet terveznek a hall\u00e1s \u00e9s l\u00e1t\u00e1s k\u00f6z\u00f6tti kapcsolat r\u00e9szletesebb vizsg\u00e1lat\u00e1ra, ami lehet\u0151v\u00e9 teszi, hogy jobban meg\u00e9rts\u00fck, hogyan \u00e9p\u00edti fel agyunk dinamikusan a k\u00f6rnyez\u0151 vil\u00e1g t\u00e9rk\u00e9p\u00e9t.<\/p>\n

K\u00f6sz\u00f6n\u00f6m a figyelmet, maradjanak k\u00edv\u00e1ncsiak \u00e9s mindenkinek j\u00f3 munkah\u00e9t k\u00edv\u00e1nok, sr\u00e1cok! \ud83d\ude42<\/p>\n

K\u00f6sz\u00f6nj\u00fck, hogy vel\u00fcnk maradt\u00e1l. Tetszenek a cikkeink? Szeretn\u00e9l t\u00f6bb \u00e9rdekes anyagot l\u00e1tni? T\u00e1mogass minket, \u00e9s rendel\u00e9s lead\u00e1s\u00e1val vagy ismer\u0151s\u00f6knek aj\u00e1nl\u00e1ssal seg\u00edts nek\u00fcnk. Felh\u0151alap\u00fa VPS fejleszt\u0151knek 4,99 doll\u00e1rt\u00f3l<\/a><\/noindex>, 30% kedvezm\u00e9ny a Habr felhaszn\u00e1l\u00f3inak az egyed\u00fcl\u00e1ll\u00f3 entry-level szervereinkre, amelyet \u00d6n\u00f6knek tal\u00e1ltunk ki:<\/b> Az igazs\u00e1g a VPS (KVM) E5-2650 v4 (6 mag) 10GB DDR4 240GB SSD 1Gbps-t\u00f3l 20 doll\u00e1rig, vagy hogyan \u00e9rdemes megosztani egy szervert?<\/a><\/noindex> (el\u00e9rhet\u0151k RAID1 \u00e9s RAID10 opci\u00f3k, ak\u00e1r 24 magig \u00e9s 40GB DDR4-ig).<\/p>\n

Dell R730xd k\u00e9t alkalommal olcs\u00f3bban?<\/b> Csak n\u00e1lunk 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TB 199 doll\u00e1rt\u00f3l<\/a><\/noindex> Hollandi\u00e1ban! Dell R420 \u2014 2x E5-2430 2.2GHz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB \u2014 99 doll\u00e1rt\u00f3l!<\/b><\/b> Olvasd el ezt Hogyan \u00e9p\u00edts\u00fcnk v\u00e1llalati szint\u0171 infrastrukt\u00far\u00e1t Dell R730xd E5-2650 v4 szerverekkel, amelyek k\u00f6lts\u00e9ge 9000 eur\u00f3ban van megszabva?<\/a><\/noindex>
\n
Forr\u00e1s: habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u041c\u0438\u0440, \u043e\u043a\u0440\u0443\u0436\u0430\u044e\u0449\u0438\u0439 \u043d\u0430\u0441, \u043d\u0430\u043f\u043e\u043b\u043d\u0435\u043d \u0432\u0441\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0435\u0439, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043d\u0430\u0448 \u043c\u043e\u0437\u0433 \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u043e \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442. \u041f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u043e\u043d \u044d\u0442\u0443 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u043f\u043e\u0441\u0440\u0435\u0434\u0441\u0442\u0432\u043e\u043c \u043e\u0440\u0433\u0430\u043d\u043e\u0432 \u0447\u0443\u0432\u0441\u0442\u0432, \u043a\u0430\u0436\u0434\u044b\u0439 \u0438\u0437 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u0441\u0432\u043e\u044e \u0434\u043e\u043b\u044e \u0441\u0438\u0433\u043d\u0430\u043b\u043e\u0432: \u0433\u043b\u0430\u0437\u0430 (\u0437\u0440\u0435\u043d\u0438\u0435), \u044f\u0437\u044b\u043a (\u0432\u043a\u0443\u0441), \u043d\u043e\u0441 (\u043e\u0431\u043e\u043d\u044f\u043d\u0438\u0435), \u043a\u043e\u0436\u0430 (\u043e\u0441\u044f\u0437\u0430\u043d\u0438\u0435), \u0432\u0435\u0441\u0442\u0438\u0431\u0443\u043b\u044f\u0440\u043d\u044b\u0439 \u0430\u043f\u043f\u0430\u0440\u0430\u0442 (\u0440\u0430\u0432\u043d\u043e\u0432\u0435\u0441\u0438\u0435, \u043f\u043e\u043b\u043e\u0436\u0435\u043d\u0438\u0435 \u0432 \u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0441\u0442\u0432\u0435 \u0438 \u0447\u0443\u0432\u0441\u0442\u0432\u043e \u0432\u0435\u0441\u0430) \u0438 \u0443\u0448\u0438 (\u0437\u0432\u0443\u043a). \u0421\u043e\u0431\u0440\u0430\u0432 \u0432\u043e\u0435\u0434\u0438\u043d\u043e \u0441\u0438\u0433\u043d\u0430\u043b\u044b \u043e\u0442 \u0432\u0441\u0435\u0445 \u044d\u0442\u0438\u0445 \u043e\u0440\u0433\u0430\u043d\u043e\u0432, \u043d\u0430\u0448 \u043c\u043e\u0437\u0433 […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-53039","post","type-post","status-publish","format-standard","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47Hangok lokaliz\u00e1ci\u00f3ja: hogyan ismeri fel az agy a hangforr\u00e1sokat | ProHoster","description":"A minket k\u00f6r\u00fclvev\u0151 vil\u00e1g tele van.","canonical_url":"https:\/\/prohoster.info\/hu\/blog\/news\/lokalizatsiya-zvukov-kak-mozg-raspoznaet-istochniki-zvukov","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"hu_HU","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041b\u043e\u043a\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0437\u0432\u0443\u043a\u043e\u0432: \u043a\u0430\u043a \u043c\u043e\u0437\u0433 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0435\u0442 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u0438 \u0437\u0432\u0443\u043a\u043e\u0432 | ProHoster","og:description":"\u041c\u0438\u0440, \u043e\u043a\u0440\u0443\u0436\u0430\u044e\u0449\u0438\u0439 \u043d\u0430\u0441, \u043d\u0430\u043f\u043e\u043b\u043d\u0435\u043d.","og:url":"https:\/\/prohoster.info\/hu\/blog\/news\/lokalizatsiya-zvukov-kak-mozg-raspoznaet-istochniki-zvukov","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-11-21T21:00:00+00:00","article:modified_time":"2020-02-18T11:00:53+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"53039","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-24 05:50:21","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 20:32:31","updated":"2026-01-24 05:50:21","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts\/53039","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/comments?post=53039"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts\/53039\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/media?parent=53039"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/categories?post=53039"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/tags?post=53039"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}