俞聪

ADFASDFAF23RQ23R

1985年华东师范大学心理学系本科毕业，1995年获路易斯维尔大学实验心理学博士学位，1995年至2003年分别在休斯顿大学和加州大学伯克利分校做博士后研究，2003年任中国科学院神经科学研究所研究员（百人计划），2006年任北京师范大学认知神经科学与学习国家重点实验室研究员，2008年任教育部特聘教授并获国家杰出青年基金，2012年起任北京大学心理学系（现北京大学心理与认知科学学院）教授暨北京大学-清华大学联合生命科学中心高级研究员。目前研究受国家自然科学基金重点项目和北京大学-清华大学联合生命科学中心支持。 ADFASDFAF23RQ23R

本实验室主要运用心理物理学方法研究人类视觉过程以及相关的眼科与视光学临床应用。近年的主要研究兴趣在于知觉学习的心理物理学与脑机制，以及字符（汉字）识别的视觉机制和轮廓整合过程。

知觉学习

知觉学习指通过训练来提高感觉辨别能力的过程，被认为在系统水平上反映了大脑的神经可塑性。近二十年来有大量的关于知觉学习的心理物理学、神经生理学、脑成像和计算神经科学的研究成果出现，是认知神经科学的一个重要研究领域。 ADSFAEQWER353423413434

我们的主要研究贡献在于用创新性实验范式，挑战了视知觉学习研究关于视网膜位置特异性和朝向特异性的基本假设以及基于这些假设的各种知觉学习理论（Current Biology, 2008; J Neuroscience, 2010）。知觉学习因其位置与朝向特异性类似于视觉初级皮层（V1）的网膜拓扑对应特性和朝向选择性，长期以来被认为反映了V1神经可塑性。但我们的研究证明知觉学习可以在不同网膜位置和朝向间完全迁移，位置与朝向特异性实际上是特定训练方式的结果，与知觉学习并无关系。这些发现还表明知觉学习是一个超出视觉皮层的高级认知过程。基于这些重要研究发现，我们初步提出了一个基于规则的知觉学习理论（Rule-based perceptual learning theory）来解释知觉学习及其特异性和迁移的脑机制（J Neuroscience, 2010）。目前我们进行的大量实验皆在于验证和发展这一理论，以及研究这一理论在临床视觉训练中的意义。 ADFASDFAF23RQ23R

我们还发现对多个视觉刺激的知觉学习依赖于刺激的时间模式编码，当刺激的时间模式固定时才能获得好的学习效应，而随机时间模式无法产生学习效果（Nature Neuroscience, 2005）。此外，大脑学习多个刺激时，需要借助刺激的次序和节奏信息，或者刺激的概念或语义标签，来帮助大脑识别各感觉刺激（PLoS Biology, 2008）。据此提出的刺激标签模型（Stimulus tagging model）认为，大脑同时学习多个刺激时，需要在一定的时间窗口内通过刺激的固有次序和节奏，或者在概念或语义水平上，对各刺激进行识别，从而帮助大脑将注意指向相应的神经过程，以在高级决策单元和各感觉刺激输入之间建立相应的功能连接来实现知觉学习。 ADSFAEQWER353423413434

字符（汉字）识别

我们发现笔划数对汉字识别的大小阈限只有有限的影响，而刺激间的几何矩差能较好地模拟根据识别错误建立的混淆矩阵。这些结果证明汉字识别阈限主要受刺激的总体特征所决定，而较少受细节特征的影响（IOVS, 2007; Journal of Vision, 2009）。我们还对汉字识别在周边视觉的表现及相关的视觉拥挤现象做了研究，发现了周边视觉汉字识别存在着内部拥挤现象，以及top-down因素对视觉拥挤的影响（Vision Research, 2009）。最新的研究则发现，相当成分的视觉信息在视觉拥挤过程的影响下并没有如当前理论所假设的丧失在识别过程中，而是在视觉记忆或注意过程中出现了错位。这一发现为视觉拥挤现象提供了新的认识（Journal of Vision, 2012）。

ADFASDFAF23RQ23R

轮廓整合

我们在对周边视觉轮廓整合的研究中，发现在减少刺激不确定性后，周边视觉中的轮廓整合能力与中心视觉相当（J Vision, 2006）。我们最近的研究兴趣在轮廓整合的时间与空间特征（VSS09, VSS10）。

• Xiao, L. Q., Zhang, J.Y., Wang, R., Klein, S. A., Levi, D. M., & Yu, C. (2008). Complete transfer of perceptual learning across retinal locations enabled by double training. Current Biology, 18, 1922-1926.
• Zhang, J.Y., Zhang, G.L., Xiao, L.Q., Klein, S. A., Levi, D. M., & Yu, C. (2010). Rule-based learning explains visual perceptual learning and its specificity and transfer. Journal of Neuroscience, 30, 12323-12328.
• Kuai, S.G., Zhang, J.Y., Klein, S. A., Levi, D. M., & Yu, C. (2005). The essential role of stimulus temporal patterning in enabling perceptual learning. Nature Neuroscience, 8, 1497-1499.
• Zhang, J.Y., Kuai, S.G., Xiao, L. Q., Klein, S. A., Levi, D. M., & Yu, C. (2008). Stimulus coding rules for perceptual learning. PLoS Biology, 6, 1651-1660.
• Yu, C. & Levi, D.M. (2000). Surround modulation in human vision unmasked by masking experiments. Nature Neuroscience, 3, 724-728.
• Xiong, Y.Z., Zhang, J.Y., & Yu, C. (2016). Bottom-up and top-down influences at untrained conditions determine perceptual learning specificity and transfer. eLife, 5:e14614.
• 余聪. (2010). 视知觉学习的心理物理学与脑机制研究进展. 心理科学进展, 18(5), 705-713.
• 张钧, 余聪. (2015). 知觉学习的迁移机制及其临床应用. 生命科学, 27(8), 1001-1008.