NEST：基于顺序测试的神经网络估计

自适应心理物理程序旨在提高测量的效率和可靠性。随着过去十年刺激和实验复杂度的增加，对于自适应程序来说，估计多维心理测量函数正变得颇具挑战。如果实验者对底层心理测量函数缺乏信息，就无法使用针对多维刺激空间所开发的参数组织技术。虽然存在使用高斯过程方法和特定手工设计获取函数的非参数方法，但其性能对正确选择核函数敏感，而这往往并不总是直观。本文我们使用神经网络作为心理测量函数估计器，并引入一种新颖的获取函数用于刺激选择。我们通过仿真和在真实条件下的心理视觉实验对该技术进行了全面基准测试。我们展示了该方法在无需选择核函数的情况下超越了当前的最佳技术，并显著减少了实验持续时间。