शोधकर्ताओं ने एक फ्रेमवर्क विकसित किया जो जनसांख्यिकी-विशिष्ट आर्टिफिशियल न्यूरल नेटवर्क मॉडल का उपयोग करके ऑटिज्म और न्यूरोटाइपिक भागीदारों के लिए छवि-स्तर के निर्णयों की भविष्यवाणी करने के लिए बनाया गया, जिसका उद्देश्य चेहरे की भावनाओं के धारणा अध्ययनों में विचरण को संबोधित करना है।
- मॉडल का उपयोग उन नए चेहरों को चुनने के लिए किया गया जो समूह अलगाव को अधिकतम करने के लिए भविष्यवाणी किए गए थे, जिसने एक स्वतंत्र सहसंक्रमण में मिलान यादृच्छिक छवियों की तुलना में बड़े व्यवहारिक अंतर उत्पन्न किए।
- एक जनरेटिव एडवर्सरियल नेटवर्क का उपयोग निदानात्मक छवियों को अधिक भविष्यवाणी समूह सहमति की ओर परिवर्तित करने के लिए किया गया, जिसने फेनोटाइप-मैच्ड वैलिडेशन में व्यवहारिक अलगाव को कम किया।
- यह दृष्टिकोण एक मॉडल-निर्देशित विधि स्थापित करता है जो जनसांख्यिकी-विशिष्ट धारणा अंतरों को प्रकट करने वाली उत्तेजनाओं की खोज और परिवर्तन के लिए है।
परिणाम दिखाते हैं कि व्यवहारिक फेनोटाइपिंग स्थिर उत्तेजना सेट पर औसत से आगे कैसे बढ़ सकती है, उन अनुकूलित परीक्षणों की ओर जो उन शर्तों को पहचानती हैं जिनके तहत न्यूरोडायवर्जेंट धारणा अलग या मिलती है।