相对应地，具有较小感受野的网络在类别空间关系加工任务中表现得更好，而具有较大感受野的网络在数量空间关系加工任务中表现得更好。

    然而，Sergent则对两种空间关系加工的分离提出了争论，她认为如果两个系统是分离的，那么数量加工系统所加工的数量距离信息就不会对类别加工产生影响。而实际上对类别空间关系的加工的确会受到距离的影响，这种影响的表现之一为：在HeUige和Michimata的Bar-Dot任务中，点与棒的距离越远对类别空间关系的判断越快也越准确。Kosslyn等利用网络模拟对此做出的解释是：任务难度是影响类别和数量关系加工的因素之一，而任务难度可以通过距离，数量关系来控制。然类别和数量关系加工都受到距离的影响，然而这只能说明两者可能涉及一些共同的加工过程或机制，不能说明两者是同一个加工系统。因此Kosslyn认为，数量信息对类别关系加工的影响并不能成为两者不是分离的证据，因为两者同时受到第三个因素即任务难度的影响，这种影响可能只能说明两个系统的分离并不是绝对的，而是相对的，即使大脑的两个半球分别加工两种不同的空间信息，这两个加工系统之间也还是存在联系的。

    Kosslyn所作的解释似乎并没有能够停止其他研究者对这项研究的争论。Kosslyn用于实验的神经网络模型被Cook所反驳。Cook认为Kosslyn实验中所得到的分离网络相对于非分离网络的学习优势产生于输入层与输出层神经元之间低水平的相关 ...... 濡傛灉鎮ㄥ湪浣跨敤鎵嬫満绛夋祦瑙堟椂鏃犳硶鏌ョ湅鎴栦笅杞藉叏鏂囷紝鍙兘鏄鎼滅储寮曟搸澶辩湡鈥滆浆鐮佲€濓紝璇风偣鍑诲睆骞曟渶涓嬫柟鐨勨€滅數鑴戠増鈥濇垨鈥滃師缃戦〉鈥濊闂€�


闄愪簬鏈嶅姟鍣ㄥ帇鍔涳紝缃戠珯閮ㄥ垎淇℃伅鍙緵鐖卞績浼氬憳鎴栨湁涓€瀹氱Н鍒嗙殑娉ㄥ唽浼氬憳娴佽銆�
姝�淇℃伅闇€瑕� 2 绉垎锛堝厤璐规敞鍐岀櫥褰曞悗姣忓ぉ鍙互棰嗗彇10涓Н鍒�锛夈€�
    淇℃伅浠呬緵鍙傝€冿紝涓嶆瀯鎴愪换浣曚箣寤鸿銆佹帹鑽愭垨鎸囧紩銆傛枃绔犵増鏉冨睘浜庡師钁椾綔鏉冧汉锛岃嫢鎮ㄨ涓烘鏂囦笉瀹滆鏀跺綍渚涘ぇ瀹跺厤璐归槄璇伙紝璇烽偖浠舵垨鐢佃瘽閫氱煡鎴戜滑锛屾垜浠敹鍒伴€氱煡鍚庯紝浼氱珛鍗冲皢鎮ㄧ殑浣滃搧浠庢湰缃戠珯鍒犻櫎銆�

寰俊鏂囩珷  鍏虫敞鐧炬媷  璇勮鍑犲彞  鎼滅储鏇村