Комплектующие для тюнинга НИВЫ | Новые Авто
Внедорожники отечественного производства успешно выдерживают конкуренцию с зарубежными аналогами.
При использовании транспортных средств в сложных природных ландшафтах, приходится усовершенствовать их конструкцию. Для улучшения эксплуатационных характеристик на авто устанавливаются расширитель колесных арок, лебедка, шноркель Нива и другие аксессуары.
Комплектующие для тюнинга
Запчасти на НИВУПри регулярных поездках в экстремальных условиях штатной комплектации внедорожника бывает недостаточно. Чтобы предотвратить возможные повреждения машины выполняются следующие процедуры:
- Крепится защита двигателя;
- Устанавливается силовой бампер;
- Монтируется шноркель.
Грязевая резина Нива увеличивает проходимость автомобиля в условиях бездорожья. Прокладывая маршрут в условиях бездорожья, водителю необходимо оценить возможные опасности и препятствия, которые могут послужить причиной для поломки.
Некоторые работы по укреплению конструкции следует выполнить заранее.
Приступая к тюнингу транспортного средства необходимо взвесить свои финансовые и профессиональные возможности.
Фирменные магазины Нива предлагают своим клиентам скидки и другие преференции. Подготовленный персонал на СТО выполнит любые работы по модернизации автомашины на профессиональном уровне.
Усовершенствовать авто своими руками обойдется дешевле, но качество исполнения зависит от квалификации мастера. При любом варианте первым действием нужно составить перечень необходимых деталей и материалов.
Где купить шноркель Нива
Механизм поставок запасных частей в торговую сеть функционирует стабильно. Учитывая запросы рынка, автомобильные компании и сторонние производители выпускают широкую линейку дополнительных аксессуаров для вездеходов и внедорожников.
Спрос на детали подобного свойства не велик, но стабилен. В магазины запчастей Нива такие изделия поступают малыми партиями.
При этом торговые точки принимают предварительные заявки на доставку нестандартных и редковостребованных узлов и деталей.
В короткий срок и без больших усилий найти комплектующие элементы для обновления машины можно с помощью поисковых систем в интернете.
На специализированных порталах много полезной информации для автовладельцев. Здесь же представлены адреса и режим работы магазинов, торгующих автодеталями и расходными материалами. Поиск, заказ и оплата отнимает всего несколько минут.
IQ — Racing Technology спортивные запчасти на ВАЗ
IQ-Racing Technology, мы производим и реализуем свою продукцию!БЕСПЛАТНАЯ ДОСТАВКА НА ЛЮБОЙ ЗАКАЗ СТОИМОСТЬЮ от 50000р!!!
ОПТОВЫЙ ПРАЙС ЛИСТ. ЖМИ!Доставка наземным транспортом (транспортные компании, почта РФ, на наше усмотрение). Кроме крупногабаритного груза, багажники, бамперы, двигатели, кпп.
В ассортименте магазина нет и не будет низкокачественной продукции китайского производства .
ЗДЕСЬ МОЖНО КУПИТЬ ЗАПЧАСТИ НА САМЫХ ВЫГОДНЫХ УСЛОВИЯХ!
Не нашли товар? Закажи здесь!
Просмотреть отзывы о нас можно здесь и здесь
СЕРТИФИКАЦИЯ ПРОДУКЦИИ Выпускаемой компанией IQ — RacingTechnology
Товары собственного производства
Продукция которая предлагается в нашем интернет магазине представлена здесь.
Краткий перечень ассортимента продукции:
— блокировки дифференциалов на весь модельный ряд автомобилей ваз;
— рычаги треугольные передней подвески ваз 2108-1118;
— лифт комплекты для автомобилей семейства нива и шевроле нива;
— усиленные реактивные тяги для автомобилей классика — нива;
— силовые бампера для автомобилей нива;
— усиленные привода и их компоненты;
— редуктора для автомобилей нива классика и шевроле нива.
Политика нашего предприятия направлена на качество, а не количество производимой продукции.
ПЕРЕЙТИ В МАГАЗИН
В нашем интернет магазине вы можете всегда в наличии приобрести товары первой необходимости для вашего автомобиля ваз. А именно
— главная пара ВАЗ 3.9- лифт комплект на ниву — главная пара ВАЗ 4.1 — главная пара ВАЗ 4.3 — лифт комплект на шевроле ниву — главная пара ВАЗ 4.7 — интернет магазин тюнинга нивы — главная пара ВАЗ 4.44 — блокировка НИВА цена — дисковая блокировка ВАЗ цена — дисковая блокировка НИВА купить — винтовая блокировка НИВА купить — редуктор переднего моста НИВА купить — редуктор переднего моста ШЕВРОЛЕ НИВА цена — редуктор с блокировкой ВАЗ — редуктор заднего моста НИВА купить — редуктор заднего моста ВАЗ цена — задний редуктор НИВА цена — карданный вал НИВА — нива 4Х4 магазин — главная пара ока — тюнинг нива — тюнинг урбан — коленвал нива 2.0 литра — коленвал классика 2.0 литра — самоблок классика — рпм шевроле нива — 4х4 шевик — 4х4 оффроуд — рейлинги ваз — фаркоп ваз
Защиты-тюнинг Нива- урбан | Festima.Ru
Автозапчасти
Кварцевый камертон как параметрический резонатор в сильных магнитных полях
Д.О. Клубб, О.В.Л. Буу, Р.М. Боули, Р. Найман, Дж. Р. Оверс-Брэдли, Дж. Лоу Темп. физ. 136 , 1 (2004)
АДС Статья Google ученый
Р. Блаугерс, М. Блажкова, М. Чловечко, В.Б. Ельцов, Р. де Грааф, Й. Хозио, М. Крузиус, Д. Шморанцер, В. Шепе, Л. Скрбек, П. Скиба, Р.Э. Солнцев, Д.Е. Змеев, Дж. Низкотемпературный.физ. 146 , 537 (2007)
АДС Статья Google ученый
М. Блажкова, М. Чловечко, Э. Гажо, Л. Скрбек, П. Скиба, Дж. Лоу Темп. физ. 148 , 305 (2007)
АДС Статья Google ученый
М. Блажкова, М. Чловечко, В.Б. Ельцов, Э. Гажо, Р. де Грааф, Дж.Дж. Хозио, М. Крузиус, Д. Шморанцер, В. Шепе, Л. Скрбек, П. Скиба, Р.Е. Солнцев, В.Ф. Винен, Дж. Низкая температура. физ. 150 , 525 (2008)
АДС Статья Google ученый
Э. М. Пентти, Дж. Т. Туориниеми, А.Дж. Салмела, А.П. Себедаш, Phys. B
АДС Статья Google ученый
Д.И. Брэдли, М. Чловечко, Э. Гажо, П. Скиба, Дж. Лоу Темп. физ. 152 , 147 (2008).https://doi.org/10.1007/s10909-008-9815-5
ОБЪЯВЛЕНИЕ Статья Google ученый
Д.И. Брэдли, М.Дж. Страх, С.Н. Фишер, А.М. Guenault, R.P. Haley, C.R. Lawson, P.V.E. МакКлинток, Г.Р. Пикетт, Р. Шанен, В. Цепелин, Л.А. Уитленд, Дж. Лоу Темп. физ. 156 , 116 (2009)
АДС Статья Google ученый
Д. Шморанцер, М. Ла Мантиа, Г.Шешин, Л. Гриценко, А. Задорожко, М. Роттер, Л. Скрбек, Дж. Лоу Темп. физ. 163 , 317 (2011)
АДС Статья Google ученый
S. L. Ahlstrom, D. I. Bradley D I, M. Človečko, S. N. Fisher, A. M. Guenault, E. A. Guise и др. J. Low Temp. физ. 175 , 140 (2014)
М. Чловечко, Э. Гажо, М. Купка, М. Скиба, П. Скиба, Дж. Низкотемп. физ. 162 , 669 (2011).https://doi.org/10.1007/s10909-010-0330-0
ОБЪЯВЛЕНИЕ Статья Google ученый
П. Гюнтер, У.Ч. Fischer, K. Dransfeld Appl. физ. B 48 , 89 (1989)
J. Rychen, T. Ihn, P. Studerus, A. Hermann, K. Ensslin, Rev. Sci. Инструм. 70 , 2765 (1999)
АДС Статья Google ученый
Дж.Райхен, Т. Ин, П. Студерус, А. Германн, К. Энсслин, Х. Дж. Хуг, П. Дж. А. van Schendel, HJ Guntherod, Rev. Sci. Инструм. 71 , 1695 (2000)
АДС Статья Google ученый
М. Чловечко, М. Купка, П. Скиба, Ф. Ваврек, J. Phys. конф. сер. 568 , 032006 (2014)
Človečko, P. Skyba, Appl. физ. лат. 115 , 193507 (2019)
М.Чловечко, П. Скиба, Ф. Ваврек, arXiv:1606.02103
П. Скиба, Дж. Лоу, Темп. физ. 160 , 219 (2010)
АДС Статья Google ученый
М. Чловечко, М. Грайцар, М. Купка, П. Нейлингер, М. Рехак, П. Скиба, Ф. Ваврек, Й. Низтемпературный. физ. 187 , 573 (2017). https://doi.org/10.1007/s10909-016-1696-4
РЕКЛАМА Статья Google ученый
С.Холт, П. Скайба, Rev. Sci. Инструм. 83 , 064703 (2012)
АДС Статья Google ученый
М. Чловечко, П. Скиба, Свойства кварцевых камертонов 100 кГц в сильных магнитных полях и очень низких температурах. J Low Temp Phys (2019) https://doi.org/10.1007/s10909-019-02273-9, статья в печати
Спектральные рецептивные поля не объясняют настройку кривизны границ в V4
зрительное восприятие и распознавание объектов у приматов основан на обработке сенсорной информации в вентральном зрительном пути (Феллеман и Ван Эссен, 1991; Мишкин и Унгерлейдер, 1982).За последние полвека исследования первичной зрительной коры (V1) выявили локальную ориентацию и пространственную частоту в качестве основных параметров репрезентации формы на ранних стадиях вентрального пути (Campbell and Robson, 1968; De Valois and De Valois, 1990). ; Хьюбель и Визель, 1959, 1965, 1968; Мовшон и др., 1978; Шиллер и др., 1976). На промежуточных стадиях, в частности в области V4, репрезентативность еще не установлена. Было показано, что нейроны в V4 избирательны к столбцам разной длины, к радиальным или концентрическим решеткам, к умеренно сложным формам и, в частности, к кривизне сегментов ограничивающего контура форм (Desimone and Schein, 1987; Gallant et al.1993 год; Хегде и Ван Эссен, 2007 г.; Кобатаке и Танака, 1994 г.; Нанди и др. 2013; Пасупати и Коннор, 1999, 2001). Ни одна модель не является широко принятой для объяснения этих наблюдений, но общий подход к объяснению экстрастриарных ответов как в дорсальном, так и в вентральном проводящих путях состоит в том, чтобы моделировать их с точки зрения селективности для простых комбинаций признаков, которые представлены на более ранних уровнях. Это сводится к использованию взвешенных комбинаций каналов, подобных V1, для соответствия наблюдаемым данным (Cadieu et al.2007 г.; Дэвид и др. 2006 г.; Раст и др. 2006 г.; Винч 2013; Уиллмор и др. 2010). Здесь мы изучаем, может ли пример этого подхода, известный как модель спектрального рецептивного поля (SRF) (David et al. 2006), объяснить избирательность сложной кривизны, наблюдаемую в нейронах V4.
Модель SRF описывает настройку нейронов V4 с точки зрения взвешивающей функции по полосам ориентации и пространственных частот в спектре мощности стимула (David et al. 2006). Эта модель имеет элегантную простоту комбинирования сигналов, подобных V1, таким образом, что отбрасывается фаза и, таким образом, обеспечивается трансляционная инвариантность, ключевая особенность ответов V4 (Gallant et al.1996 год; Пасупати и Коннор 1999, 2001; Раст и ДиКарло, 2010). Также утверждалось (David et al. 2006), что модель SRF может объяснить способность нейронов V4 реагировать на сложные формы с точки зрения контурных особенностей в определенном месте в объектно-центрированной системе отсчета (Pasupathy and Connor 2001). ). Например, некоторые нейроны могут сильно реагировать на формы с резкой выпуклостью вверху справа, тогда как другие могут реагировать на формы с вогнутостью влево. Эти закономерности избирательности хорошо моделируются двумерными (2D) функциями настройки Гаусса в пространстве, определяемом 1 ) кривизной границы и 2 ) угловыми положениями относительно центра объекта (Пасупати и Коннор, 2001).Они также хорошо моделируются иерархической моделью шаблона контура (Cadieu et al. 2007). Используя ранее записанный набор данных, на котором были основаны обе эти модели, мы исследуем, может ли модель SRF, самая простая из трех, объяснить избирательность контуров, наблюдаемую в V4. Мы обнаружили, что существуют важные особенности данных, которые не учитываются моделью SRF.
Экспериментальные процедуры
Все процедуры на животных в этом исследовании, включая имплантацию, операции и поведенческую тренировку, соответствовали рекомендациям Национального института здравоохранения и Министерства сельского хозяйства США и проводились в соответствии с протоколом, утвержденным учреждением.Проанализированные здесь данные получены из предыдущего исследования (Pasupathy and Connor, 2001) и состоят из ответов 109 одиночных хорошо изолированных нейронов V4 у двух макак-резусов ( Macaca mulatta ), которые были зарегистрированы, когда животные фиксировали угол 0,1°. белое пятно на мониторе компьютера. После предварительной характеристики расположения рецептивного поля (РП) и предпочтительного цвета каждой клетки, настройка формы характеризовалась набором из 366 стимулов (рис. 1). Каждый стимул предъявлялся в случайном порядке без замены пять раз для большинства клеток (91/109; 9 клеток имели 4 повторения, 9 — 3 повторения).Частота ответов рассчитывалась путем подсчета спайков в течение 500-мс периода предъявления стимула. Спонтанные частоты, рассчитанные на основе пустых периодов стимула, случайным образом перемежающихся во время предъявления стимула, вычитали из средней частоты ответов для каждого стимула.
Рис. 1. Набор из 51 формы, используемых для характеристики нейронов V4. Каждая форма была представлена в каждой из 8 ориентаций или меньше для форм с вращательной симметрией. Например, круги ( вверху слева ) были показаны только в одной конфигурации, потому что все вращения идентичны.Формы пронумерованы от слева от до справа , от сверху от до снизу , начиная с 1 и заканчивая сверху слева . Серая стрелка отмечает форму 24 , указанную в результатах.
Дизайн и представление стимулов
Дизайн стимулов подробно описан Pasupathy and Connor (2001). Вкратце, стимулы были сконструированы путем систематического комбинирования 4-8 контурных сегментов, каждый из которых имел 1 из 5 значений кривизны, в результате чего была получена 51 форма (рис.1). Чтобы создать радиальную вариацию, каждую форму повернули на 8 шагов по 45°, отбросив дублирование из-за вращательной симметрии. Стимулы формы предъявлялись в центре RF исследуемой клетки и имели такой размер, чтобы все части стимулов находились в пределах расчетного RF клетки. В частности, самые внешние края стимула находились на расстоянии 3/4 радиуса RF, которое было оценено на основе сообщения о взаимосвязи между эксцентриситетом и размером RF (Gattass et al., 1988).
Для моделирования и подгонки каждая фигура была сгенерирована как дискретизированная бинарная маска размером 128 × 128 пикселей, а затем свернута с помощью фильтра Гаусса со стандартным отклонением 1 пиксель (т.г., рис. 2 А ). Это изображение представляет участок поля зрения размером 5° × 5°, что приблизительно соответствует экспериментально используемому разрешению (Пасупати и Коннор, 2001). Частота среза этого представления составляет 12,8 циклов/° (половина разрешения 25,6 пикселей/°). Поскольку в электрофизиологическом исследовании Pasupathy and Connor (2001) типичный размер стимула составлял ∼3° в диаметре, мы сделали самый большой стимул диаметром ∼75 пикселей в пределах 128-пиксельного поля. Преобразования Фурье изображений стимулов были рассчитаны с помощью алгоритма 2D FFT.Величина комплексных компонентов Фурье была подвергнута преобразованию t( x ) = log( x + 1), чтобы ослабить низкочастотную мощность, которая в значительной степени одинакова для всех форм (рис. 2 B ). . Из-за ограниченного количества стимулов и пробных повторений спектры мощности были уменьшены, чтобы уменьшить количество измерений в представлении для облегчения подбора модели (см. ниже). В частности, образец спектральной мощности (рис. 2 C ) был создан путем суммирования блоков размером 7 × 7 пикселей в пределах спектра, при этом средний блок был сосредоточен в бине постоянного тока, чтобы получить сетку 17 × 17 (дополнительные несколько пиксели на полях игнорировались).Это ограничило наше частотное представление до 0–12 циклов/°, что превышает диапазон, использованный в сопоставимом исследовании (Дэвид и др., 2006). Из-за четной симметрии спектра мощности это привело к представлению 17 × 9 пикселей (как показано на рис. 2 C ), обозначенному P = { P s } s∈ S , где множество всех фигур обозначается S (| S | = 366). В целом, целью этого представления было 1 ) аппроксимировать методы, использованные во время записи исходных данных, 2 ) уменьшить количество подгоняемых параметров (17 × 9, учитывая симметрию в спектрах мощности), и 3 ), чтобы представить подавляющее большинство частотного диапазона, доступного для зрительной коры при соответствующих эксцентриситетах.
Рис. 2. Формы стимулов и представление их спектральной мощности. A : 2 вращения формы 18 (рис. 1) показаны с разрешением 128 × 128 пикселей. B : журнал спектров мощности Фурье A . C : представление спектральной мощности B с пониженной дискретизацией, используемое для подбора. SF, пространственная частота.
Модели
Спектральное рецептивное поле.
По предложению David et al. (2006), модель SRF выполняет линейную комбинацию спектральной мощности стимула в дискретных диапазонах для прогнозирования нейронной активности.Используя образец спектральной мощности, P s , каждой формы и наблюдаемые ответы нейронов, r s , SRF-модель ищет набор весов, Φ SRF , чтобы минимизировать остаточную ошибку между предсказаниями модели P Φ SRF и r . Таким образом, нахождение такого шаблона можно представить как линейную оптимизацию методом наименьших квадратов, т. е.
ΦSRF=argminΦ(‖PΦ−r‖)(1)
, где ||.|| обозначает стандартную евклидову норму. Для процедурного удобства спектры мощности стимула кодируются 153-элементным вектором, представляющим коэффициенты выборки 17 × 9 спектральной мощности.Поскольку рассматриваются нейронные ответы на 366 стимулов формы, P представляет собой матрицу 366 × 153. Векторы Φ и r = { r s } s∈ S состоят из 153 × 1 и 366 × 1 элементов соответственно.
Из-за высокого отношения параметров модели к стимулам и корреляций между стимулами матрица P плохо обусловлена, что делает стандартные методы наименьших квадратов склонными к переоснащению. Чтобы исправить это, мы использовали регуляризацию Тихонова (Press et al.2007), т. е.
ΦSRF=argminΦ(‖PΦ−r ‖+λ ‖ Φ ‖)(2)
вместо Eq. 1 , где λ обозначает коэффициент регуляризации. Мы протестировали значения λ от 0,01 до 100, используя 100 точек, равномерно распределенных по логарифмической шкале. Данные были разделены на 100 случайно выбранных разделов, состоящих из 75% обучающих и 25% тестовых данных. Каждый раздел использовался для подгонки и тестирования модели при каждом значении λ. Для каждого λ мы вычислили M test λ и M train λ , среднюю объясненную дисперсию по всем разделам данных тестирования и обучения соответственно.Для каждой ячейки мы определили λ′ как значение λ, которое максимизирует M test λ , а затем определили эффективность обучения и тестирования как M test λ′ и M
9 . поезд λ′ соответственно. Чтобы убедиться, что этих методов достаточно для выявления карт SRF, подобных тем, о которых сообщалось ранее (David et al. 2006), мы смоделировали SRF, имеющих различные размеры и формы, протестировали их с тем же набором форм, который использовался в исследовании электрофизиологии, и подтвердили, что мы могли бы восстановить смоделированные поля.Угловое положение и кривизна.
Pasupathy and Connor (2001) предложили модель углового положения и кривизны (APC), которая выполняет нелинейные вычисления для стимулов, представленных в виде набора из 4–8 точек в двумерном пространстве углового положения, θ, и кривизны контура, κ. Нейронные ответы предсказываются путем оценки двумерной функции энергии Гаусса (фон Мизеса в θ) в каждой из этих точек и взятия максимума. В частности, S S I I I , κ I ) Обозначает точки, определяющие формы стимул S для I = (1, …, I s ), где I s — количество баллов.Модель APC ищет параметры функции энергии Φ APC = (α,μ θ ,σ θ ,μ κ ,σ κ ), которые минимизируют ошибку в отношении наблюдаемых нейронных ответов
В отличие от моделирования SRF глобальные оптимумы не могут быть найдены детерминистически. Мы оценили оптимальные параметры модели, выполнив градиентный спуск целевой функции.Чтобы избежать локально оптимальных решений, спуск неоднократно проводился из случайных инициализаций ( n = 100), выбранных из равномерного распределения по угловому положению и пространству параметров кривизны. Моделирование показывает, что глобальные оптимумы стабильно хорошо аппроксимируются уже после нескольких повторных спусков.
Поскольку ответы многих нейронов V4 зависят от кривизны трех соседних контурных сегментов с центром в определенном угловом положении (Pasupathy and Connor 2001), мы также рассмотрели модель APC, которая включает три измерения кривизны и одно измерение углового положения.Мы называем это моделью 4D APC, чтобы отличить ее от модели 2D APC, описанной выше. Модель 4D APC имеет девять параметров, которые включают четыре дополнительных параметра для средних значений и SD функций Гаусса, описывающих два смежных измерения кривизны. Мы использовали ту же схему разделения данных 75%/25% для подбора и тестирования наших моделей APC, как описано выше для модели SRF.
Результаты организованы в двух разделах. Сначала мы изучаем, есть ли прямые доказательства в пользу модели SRF, проверяя конкретный прогноз, который она делает в отношении ответов на стимулы, подверженные повороту на 180°.Затем мы сравниваем способность модели кривизны и модели SRF фиксировать дисперсию данных и выясняем, одинаково ли хороши эти две модели для объяснения настройки кривизны границ.
Сходство ответов при повороте стимула на 180°
Модель SRF прогнозирует ответы нейронов V4 на основе коэффициентов спектральной мощности зрительных стимулов; следовательно, любой SRF-подобный нейрон естественным образом будет давать эквивалентные ответы, вплоть до шума, на стимулы, имеющие идентичные спектры мощности.Оказывается, любой стимул, повернутый на 180°, имеет тот же спектр, что и исходный стимул. Это следует интуитивно, потому что любой визуальный стимул может быть описан его компонентами Фурье (синус и косинус), и эти компоненты не меняют свою ориентацию, пространственную частоту или амплитуду при повороте на 180 ° в пространственной области. Формально, обозначая преобразование Фурье F двумерного изображения формы f как
F f(x,y)=f̂(ξ,ζ), (4)
спектральную мощность поворота на 180° f , обозначаемый f R , равен спектральной мощности f , т.е.е.,
∣F fR(x,y)∣2=∣F f(−x,−y)∣2=∣f̂(−ξ,−ζ)∣2=∣f̂(ξ,ζ)¯∣ 2=f̂(ξ,ζ)¯⋅f̂(ξ,ζ)¯¯=∣F f(x,y)∣2.(5)
Второй шаг выше следует из свойства обращения во времени преобразования Фурье. Третий шаг следует потому, что преобразование Фурье вещественной функции является эрмитовым (черта за чертой обозначает комплексно-сопряженную функцию), а четвертый и пятый этапы просто применяют определение квадрата нормы как произведения комплексного значения и его сопряженного, например , |у| 2 = у.Это предсказание модели SRF о том, что нейроны будут одинаково реагировать на форму и ее поворот на 180°, противоречит интуиции в свете данных о том, что многие нейроны V4 настроены на угловое положение признаков стимула вокруг границы формы (Пасупатия и Connor 2001), последнее свойство сильно меняется при повороте на 180°. Например, если нейрон настроен на острую выпуклость вправо, он будет сильно реагировать на форму, подобную той, что изображена на рис. показано).
Чтобы проверить это предсказание модели SRF, мы идентифицировали все пары фигур в нашем наборе стимулов, которые поворачивались друг к другу на 180°. Например, фигура A на рис. 2 была представлена при 8 оборотах и, таким образом, внесла 4 такие пары поворотов на 180°. Мы оценили величину корреляции r 180 (значение Пирсона r ) в этих парных ответах для каждой клетки; данные для трех примерных ячеек изображены на рис. 3 (подробности см. в легенде). Первая ячейка примера ( b1601 ; рис.3 A ) показывает положительную корреляцию для поворотов на 180°, ячейка a8602 (рис. 3 B ) не показывает корреляции, а ячейка b2601 (рис. 3 C ) показывает антикорреляцию. Первый пример, по-видимому, согласуется с идеей о том, что отклики одинаковы при поворотах на 180°, тогда как третий явно противоречит этому представлению, предполагая, что если форма дает отклик больше среднего, то при повороте на 180° обычно этого не происходит. Однако наблюдаемую корреляцию следует интерпретировать относительно степени корреляции между спектрально неподобными стимулами, т.е.е., пары вращения не на 180°. Чтобы рассчитать эту базовую корреляцию, r базовый , мы выбрали 4 из 24 возможных пар, отличных от 180°, случайным образом для каждой формы (где было представлено 8 вращений) и рассчитали бутстреп-распределение значений r (Fisher ). z ) из повторных симуляций ( n = 100, которые оказались сходящимися). На рисунке 4 A показан пример (ячейка a6802 ), в котором корреляция отклика для поворотов на 180° значительно положительна ( P < 0.05), но не отличается от корреляции не-180° пар (рис. 4 B ). Оказывается, многие клетки демонстрируют положительную базовую корреляцию, потому что они лучше реагируют на одни формы, чем на другие, независимо от ориентации. Это может происходить просто из-за форм, которые имеют схожие атрибуты, повторяющиеся вдоль их границ (например, рис. 1, форма 24 ), или из-за чувствительности к атрибутам, которые не изменяются при вращении, таким как площадь поверхности.
Рис. 3. Сравнение реакции на форму и ее поворот на 180°.Средние реакции на форму и ее поворот на 180° нанесены друг против друга для 3 примерных нейронов. Точки данных получены из 42 форм, для которых были представлены 8 вращений. Каждая пара поворотов на 180° дает две точки ( x , y ) и ( y , x ), всего 336 точек на нейрон. Модель спектрального рецептивного поля (SRF) предсказывает, что y = x с точностью до шума, и поэтому ожидается высокий положительный коэффициент корреляции.Тем не менее, наша популяция содержала нейроны с положительной корреляцией ( r = 0,54; A ), отсутствием связи ( r = 0,00; B ) и отрицательной корреляцией ( r = -0,39; C ). b1601 , a8602 и b2601 обозначают идентификатор нейрона, где первая буква обозначает идентификатор животного.
Рис. 4. Расчет базовой линии между поворотами формы не на 180°. A : средние ответы нейронов a6802 на пары стимулов, которые спектрально идентичны, т.е.е., поворот на 180 ° (тот же анализ и формат графика, что и на рис. 3). B : аналогично A , но графики откликов строятся для всех пар заданной формы, которые не являются поворотами на 180°. Существует 24 таких пары для каждой формы с 8 поворотами по сравнению с 4 парами для поворотов на 180°. Коэффициенты корреляции одинаковы для A и B , r = 0,46 и r = 0,47 соответственно, что позволяет предположить, что для этого нейрона средние ответы выше для одних форм, чем для других, независимо от вращения.
Результаты популяционного анализа для набора данных из 109 клеток показаны на рис. 5 A , где r 180 нанесены на график относительно r базовой линии . Уровень значимости установлен на уровне 2 σ исходной корреляции. Отметим, что большинство нейронов ( n = 68) лежат вблизи линии равенства, например, a6802 (из рис. 4; точка 4 на рис. 5 A ). Интересно, что некоторые ячейки, например, b1601 (с рис.3 А ; , точка 1 на рис. 5 A ), значительно превышают равенство, что указывает на возможную селективность для признаков, которые сохраняются при поворотах на 180° и потенциально согласуются с моделью SRF.
Рис. 5. Сравнение корреляции отклика при поворотах на 180° с базовой корреляцией. A : для каждого из 109 нейронов коэффициент корреляции для ответов на спектрально идентичные формы (повороты на 180°) нанесен на график относительно базового значения корреляции (корреляция между ответами на пары, отличные от 180°, см. результаты).Точки падают по обе стороны от линии равенства (штриховая линия). Точки, отмеченные звездочками, обозначают нейроны, для которых ось y отклоняется от оси х на >2 SD на основе бутстрап-оценки базового распределения корреляции. Точки с номерами 1–3 соответствуют 3 примерным нейронам на рис. 3, точка 4 соответствует примеру на рис. 4, а точка 5 соответствует примерному нейрону, показанному ниже в результатах. B : данные из A нанесены повторно (серые закрашенные кружки) и сравнены с прогнозами для идеализированной модели SRF и модели идеализированного углового положения и кривизны (APC) для каждого из 109 нейронов.Как и ожидалось, точки для идеализированного предсказания SRF имеют гораздо более высокую корреляцию для спектрально идентичных стимулов, потому что модель SRF предсказывает идентичные средние ответы для таких стимулов.
Мы сравнили разброс данных на рис. 5 A с ожидаемым от идеализированной модели SRF, которая включает реалистичный (пуассоновский) шум. Мы сделали это, установив базовую среднюю частоту срабатывания (целевую частоту) для каждой формы, а затем выведя из нее измеренную частоту путем пятикратной выборки количества всплесков из целевой частоты с помощью статистики Пуассона (дисперсия равна среднему).Чтобы воплотить модель SRF, мы установили целевые скорости равными для пар фигур, которые вращались на 180 °, выбирая случайным образом между двумя экспериментально наблюдаемыми скоростями. Из этих измеренных показателей мы вычислили r 180 , как описано выше. Мы повторили этот процесс 100 раз и определили среднюю корреляцию (используя Fisher z ). На рис. 5 B результаты этого статистического моделирования представлены вместе с фактическими данными и с теми же базовыми значениями r .Результаты показывают, что гипотетические единицы SRF показывают гораздо более высокие значения r 180 , чем наблюдались в наших данных. Это говорит о том, что, хотя несколько клеток (например, нейронов b1601 ) демонстрируют соответствие модели SRF, подавляющее большинство нейронов нашей популяции этого не делает.
Мы провели аналогичную симуляцию, используя частоты ответов, предсказанные моделью APC (см. материалы и методы), для сравнения с нейронными данными и с ответами идеализированной модели SRF.Каждая ячейка соответствовала модели APC (см. «Подгонка модели и производительность» ), а полученные в результате предсказанные средние ответы использовались в качестве целевых показателей. Наблюдаемые скорости рассчитывались по среднему значению пяти пуассоновских выборок. Результат (рис. 5 B ) показывает, что модель APC предсказывает гораздо более низкое значение r 180 , чем модель SRF, и что предсказанные значения приблизительно соответствуют диапазону значений, найденных для нейронов.
Подводя итог, можно сказать, что модель SRF дает четкое предсказание о поворотах на 180°, чего не делает модель APC, и в отношении этого предсказания модель SRF гораздо менее согласуется с нашими данными, чем модель APC.
Подгонка модели и производительность
Хотя модель SRF не может предсказать различия в реакциях нейронов на формы и их повороты на 180°, предыдущие отчеты показывают, что модели SRF и APC учитывают только часть дисперсии ответов V4 ( Значения Pearson r составляют 0,32 для модели SRF Дэвида и др., 2006 г., и 0,57 для модели 4D APC Пасупати и Коннора, 2001 г.). Таким образом, мы хотели установить 1 ), какая доля дисперсии фиксируется моделью SRF по всему набору форм, и как это соотносится с тем, о чем сообщалось ранее для моделей SRF и APC, и 2 ), являются ли клетки которые хорошо соответствуют модели SRF с точки зрения величины объясненной дисперсии, также хорошо соответствуют модели APC.
Мы выполнили эмпирическую оценку обеих моделей SRF и APC, подобрав и предсказав записанные нейронные реакции на наши стимулы. Мы разделили наши данные на наборы для обучения и тестирования для перекрестной проверки и измерили производительность модели с точки зрения объясненной дисперсии ( r 2 ) для обоих наборов. Оценки проверки бутстрапа (рис. 6 A ) показывают, что, хотя модель SRF превосходит обе модели APC на обучающих наборах данных, она уступает как 2D-, так и 4D-версиям модели APC на наборах тестовых данных.Это отличительная черта переобучения: модель SRF имеет примерно в 30 раз больше параметров (9 × 17 спектральных весов) по сравнению с моделью 2D APC (5 параметров) и в 17 раз больше, чем модель 4D APC (9 параметров). При сравнении только производительности валидации тестирования для всех нейронов (рис. 6 B ) ответы большинства нейронов (77 из 109) лучше предсказываются моделью 4D APC, чем модель SRF, со значительно более высоким средним объясненным значением. дисперсия (среднее значение 0,09, стандартное отклонение 0,13, парный тест t , P <0.0001).
Рис. 6. Подходит для моделей SRF и APC. A : построен график средней объясненной дисперсии для модели SRF и 2D- и 4D-версий модели APC для данных обучения ( слева ) и данных тестирования ( справа ). Разделы обучения и тестирования составляли 75% и 25% данных соответственно. Модель SRF объяснила большую дисперсию данных обучения, чем модели APC, но обе модели APC в среднем превзошли модель SRF по данным тестирования.Столбики погрешностей показывают SE. B : значения объясненной дисперсии для модели 4D APC нанесены на график относительно значений для модели SRF для всех 109 нейронов. Указаны три примера: b1601 , который лучше соответствовал модели SRF; a6701 , который лучше подходил модели APC; и b2002 , который примерно одинаково подходил обеим моделям.
Хотя производительность модели SRF была относительно низкой, это, по-видимому, не отражает конкретных ограничений нашего набора стимулов, потому что производительность была благоприятной и даже лучше, чем сообщалось ранее (David et al.2006): наше среднее значение r составило 0,43 ( n = 109) по сравнению с их средним значением 0,32.
Еще одной важной особенностью разброса на рис. 6 B является малое количество точек в правом верхнем углу. Это означает, что нейроны, которые лучше всего объясняются моделью APC, не являются также теми, которые лучше всего объясняются моделью SRF. Например, нейрон b1601 (рис. 6 B , внизу справа ) оказался среди наиболее SRF-подобных клеток: его ответы лучше всего соответствовали модели SRF ( r 2 = 0.54), а также были одними из наиболее согласующихся с предсказанием поворота на 180°, рассмотренным выше (рис. 5 A ), но его отклики не были хорошо объяснены моделью APC ( r 2 = 0,2). С другой стороны, на рис. 6 B точки находятся в крайнем нижнем левом углу, представляя нейроны, которые плохо подходят для обеих моделей. Это ожидается при простом предположении, что некоторые нейроны плохо реагируют на набор стимулов или имеют очень шумные ответы.Отбрасывая нейроны, которые плохо соответствовали любой модели ( r 2 < 0,15), не было обнаружено значимой корреляции между объясненной дисперсией моделей APC и SRF ( r = 0,17, P = 0,17, n = 65). Это говорит о том, что эти разные модели не отражают одни и те же характеристики реакции.
Чтобы понять свойства настройки нейронов, которые хорошо соответствовали модели SRF, и сравнить их с теми, которые хорошо соответствовали модели APC, полезно изучить необработанные ответы и параметры соответствия для нескольких примеров нейронов.Ответы SRF-подобного нейрона b1601 для каждой из 366 фигур представлены на рис. 7 A , где красным цветом отмечены самые сильные ответы, а синим — самые слабые. Этот нейрон, как правило, наиболее сильно реагировал на формы, ориентированные горизонтально, и самые сильные ответы часто смещались на диаграмме на 4 ряда, что соответствует 180° поворота стимула. Ниже мы увидим (рис. 8 A ), что карта SRF для этого нейрона отражает это очевидное предпочтение горизонтальной ориентации.Нейрон второго примера (рис. 7 B ), который умеренно хорошо соответствовал обеим моделям ( b2002 на рис. 6 B ), сильно реагировал на стимулы, которые были ориентированы вертикально или несколько наклонены вправо. Здесь некоторые, но не все стимулы, вызывающие самые сильные реакции, были разделены на 180°, что согласуется с умеренным соответствием модели SRF. Контрастный пример (рис. 7 C ) показывает нейрон, который не проявлял явного предпочтения общей ориентации.В частности, самые сильные отклики не разделены поворотами на 180°, что согласуется с плохой подгонкой модели SRF ( a6701 на рис. 6 B ). Все фигуры, вызывающие сильную реакцию этой клетки, включают вогнутость в правой части фигуры. Этот тип настройки хорошо улавливается моделью APC, на что указывает относительно высокое значение объясненной дисперсии ( a6701 на рис. 6 B ).
Рис. 7. Карты настройки формы для 3 примеров нейронов. A : средняя частота возбуждения нейронов b1601 для каждой формы (нарисованы черным цветом) обозначена цветом, окружающим фигуру. Темно-синий и темно-красный обозначают самые низкие и самые высокие ответы соответственно (см. масштабную шкалу на внизу ). Этот нейрон лучше всего реагировал на фигуры, выровненные по горизонтали, и повороты одной и той же формы на 180° часто давали примерно одинаковые ответы (пары черных стрелок). Все повороты (до 8) каждой фигуры располагаются непрерывно в пределах одного столбца в 1 блоке. B : например, ответы нейрона b2002 , которые, как правило, предпочитают формы с вертикальным или правым выравниванием. Иногда ответы на повороты на 180° были сходными (например, пара черных стрелок). C : ответы, например, нейрона a6701 , который хорошо соответствовал модели APC и плохо соответствовал модели SRF (рис. 6 B ). Формы, связанные с самыми сильными откликами, не вызывали сильных откликов при повороте на 180° (сравните верхних и нижних стрелок в каждой паре стрелок).
Рис. 8. Карты SRF зависят от регуляризации. Карты SRF (панели изображений) показаны для 3 примерных ячеек на рис. 7 ( A–C ) и для 3 уровней параметра регуляризации (от низкого до высокого, сверху вниз соответственно). Красный цвет указывает на положительный вес, а синий — на отрицательный (см. масштабную линейку рядом с внизу из C ). В верхнем ряду показаны карты для низких значений λ (0,15). Эти карты обеспечивают наилучшую производительность на обучающих данных (черная линия, верхние панели, описанные ниже), но значительно хуже на тестовых данных (красная линия, верхние панели) из-за переобучения.Во второй строке показаны карты при оптимальной λ (наилучшая производительность теста) для каждого нейрона (λ = 1,52, 5,09 и 0,38 для A–C соответственно). В третьей строке показаны карты для высоких λ (16). На каждой карте показан пример SRF для случайного выбора раздела обучения/тестирования (75/25%). Верхние панели отображают среднюю производительность (по 100 случайным разделам обучения/тестирования) на данных обучения и тестирования как функцию λ. Заштрихованная область показывает SD. D : средняя производительность по обучающим и тестовым данным как функция λ для всех 109 нейронов.Заштрихованная область показывает SD.
Карты SRF для только что описанных примерных нейронов показаны на рис. 8. Как описано в материалах и методах, мы подгоняем карты SRF по широкому диапазону значений регуляризации, λ, вычислительному обучению и производительности тестов для каждого значения для оценки и свести к минимуму влияние переобучения. Для нейрона b1601 (рис. 8 A , top ) эффективность обучения снижалась с увеличением λ, в то время как производительность тестирования увеличивалась до максимума, а затем падала до асимптоты.Такое поведение ожидаемо, и оно сохраняется для всех нейронов (рис. 8 D показывает среднее значение популяции). Для каждого нейрона показаны карты SRF (под графиками производительности) для низких, оптимальных (наивысшая производительность теста) и высоких значений регуляризации. Каждая карта показывает спектральные веса как функцию горизонтальной и вертикальной пространственной частоты. В этом представлении частота увеличивается с расстоянием от начала координат, а мощность при определенной ориентации лежит вдоль линии, исходящей из начала координат. При малых λ (рис.8, A–C , снизу ), карты выглядят как соль и перец, что хорошо соответствует обучающим данным, но они сильно отстают от тестовых данных и, таким образом, вряд ли отражают истинное рецептивное поле. При высоком λ (здесь = 16, но карты были похожи в широком диапазоне) эффективность обучения и тестирования становится почти одинаковой, что позволяет предположить, что на картах остаются те функции, которые лучше всего обобщаются за пределы обучающей выборки. Действительно, карта λ = 16 для нейрона b1601 (рис.8 A , снизу ) имеет красную полосу вдоль вертикальной оси, указывающую на предпочтение горизонтальной ориентации, что видно на рис. 7 A . Карта с высоким значением λ для нейрона b2002 (рис. 8 B , внизу ) имеет красную полосу вдоль горизонтальной оси, которая расширяется вверх в левом квадранте, что указывает на предпочтение вертикальной ориентации к правосторонней, как наблюдается на рис. 7 B . Напротив, карта SRF для нейронов a6701 (рис.8 C , снизу ) имеет красные полосы в нескольких ориентациях, и, что наиболее примечательно, производительность (рис. 8 C , сверху ) существенно ниже при всех λ по сравнению с первыми двумя примерами.
Таким образом, соответствие между когерентной структурой на картах SRF (рис. 8) и необработанными ответами формы (рис. 7) предполагает, что наши подборы SRF обеспечивают полезную характеристику для некоторых нейронов, но эти нейроны также, по-видимому, быть такими, которые отображают чувствительность к общей ориентации формы.
Мы проверили, можно ли просто объяснить избирательность нейронов V4 в отношении кривизны границы с точки зрения настройки пространственно-частотного спектра мощности, количественно определяемого моделью SRF. Мы обнаружили, что ответы нейронов V4, настроенных на кривизну, несовместимы с моделью SRF по нескольким пунктам. Во-первых, модель SRF предсказывает идентичные ответы на стимулы, повернутые на 180°, но большинство нейронов V4, особенно настроенных по кривизне, не проявляют этого свойства. Во-вторых, по сравнению с моделью, основанной на кривизне, модель SRF фиксирует значительно меньшую дисперсию ответов V4 для набора параметрически спроектированных 2D сложных форм.Наконец, нейроны V4, которые особенно хорошо соответствовали модели SRF, были также теми, которые можно было грубо описать как демонстрирующие простую настройку ориентации, и не были среди лучших для модели кривизны.
Предыдущая попытка показать, что модель SRF может унифицировать селективность нейронов V4 из исследований с использованием различных наборов стимулов (David et al. 2006), была мотивирована несколькими привлекательными особенностями модели. Модель SRF описывает настройку V4 с точки зрения чувствительности к определенным частотным диапазонам в пределах спектра мощности визуального входа.Поскольку частотные диапазоны могут быть помечены с точки зрения ориентации и пространственной частоты, модель SRF можно рассматривать как простое расширение представления, представленного в V1, где нейроны настроены на ориентацию стимула (Hubel and Wiesel, 1968) и пространственную частоту (Albrecht). и др., 1980; Кэмпбелл и др., 1969; Де Валуа и Де Валуа, 1990; Мовшон и др., 1978). Это имеет то преимущество, что реализация схемы нейрона V4 с точки зрения модели SRF будет относительно простой комбинацией выходов V1.Другой ключевой особенностью модели SRF является нелинейность второго порядка, присущая спектру мощности, которая отбрасывает информацию о фазе и, таким образом, может давать фазово- и позиционно-инвариантные ответы, приближаясь к аналогичным характеристикам нейронов V4 (Gallant et al., 1996; Pasupathy and Connor). 1999, 2001; Раст и ДиКарло, 2010). Однако упрощение отбрасывания информации о фазе перед интегрированием по частотным диапазонам игнорирует ключевую особенность избирательности кривизны V4. В частности, нейрон V4 может предпочтительно реагировать на острую выпуклость, направленную вверх относительно центра объекта, но не на ту же самую особенность, направленную вниз; модель SRF не может воспроизвести этот важный аспект настройки кривизны, потому что нечувствительные к фазе модели мощности Фурье предсказывают идентичные ответы для пар стимулов, которые поворачиваются друг к другу на 180 °.Мы непосредственно исследовали ответы нейронов V4 на такие пары стимулов и обнаружили, что это предсказание не выполняется, в отличие от модели SRF. Мы пришли к выводу, что определяющая характеристика модели SRF — информация о фазе отбрасывается перед объединением компонентов пространственной частоты по всему изображению — несовместима с избирательностью кривизны в V4.
Поскольку все современные модели V4 имеют ограничения, важно рассмотреть, как модель SRF сравнивается с альтернативами в ее способности объяснить дисперсию ответов нейронов на один и тот же набор стимулов.Мы подгоняем карты SRF к ответам V4 на набор простых форм, которые параметрически исследовали пространство кривизны контура и углового положения. Наши карты SRF примерно соответствовали тем, о которых сообщалось ранее (Дэвид и др., 2006; см. их рис. 1–3). Наши карты часто показывали настройку для нескольких ориентаций, как и у них, и наши карты объясняли большую часть дисперсии ответов, чем их карты. Одно отличие заключалось в том, что их пространственное разрешение составляло 12 циклов/радиочастот, тогда как наше было примерно в три раза выше (12 циклов/°, с типичными размерами радиочастот ~3°).Тем не менее, модель SRF в среднем улавливала меньшую дисперсию ответов, чем наша модель APC, в которой было гораздо меньше параметров. Особо следует отметить два наблюдения. Во-первых, ни одна из ячеек, наилучшим образом соответствующих модели кривизны (20 ячеек, для которых r 2 > 0,4, модель 4D APC), не соответствовала модели SRF лучше. Это говорит о том, что модель SRF не отражает ключевые особенности избирательности кривизны, представленные в модели кривизны. Во-вторых, более тщательное изучение клеток, наиболее подходящих для модели SRF, показывает, что они могут быть хорошо описаны как селективные по ориентации, что согласуется с примерами David et al.(их рис. 1б и 3а). Таким образом, модель SRF не обеспечивает достаточную основу для понимания настройки кривизны в V4; тем не менее, он может играть важную роль в описании клеток в V4, настройка которых в основном связана с ориентационным измерением. Потребуется дальнейшая работа, чтобы понять, как эти различные типы настройки работают вместе в версии 4.
Хотя модель кривизны контура обеспечивает хорошее соответствие ответам многих нейронов V4, у нее есть ограничение, заключающееся в том, что она является описательной моделью и не указывает на какую-либо очевидную реализацию с точки зрения биологически правдоподобной схемы.Одна модель для получения избирательности кривизны в V4 из входных данных, поступающих из V1 и V2, включала бы сначала грубое определение объекта, то есть его сегментацию, а затем оценку прогрессии ориентации вдоль его границы. Последний шаг отражен в модели Кадье и его коллег (обсуждается ниже). Первый шаг, сегментация, является более сложным, но его можно выполнить с помощью набора «группирующих ячеек», подобных тем, которые были предложены Craft et al. (2007) в качестве механизма для создания сигналов владения границей в V2.Группирующие ячейки группируют концентрические сегменты контура, и набор таких ячеек фиксирует грубую форму объекта. Это эквивалентно нахождению набора самых больших дисков, которые просто вписываются в ограничивающий контур, метод, предложенный для вычисления средней оси формы (Блюм, 1967). Предполагается, что группирующиеся клетки в V4 могут посылать латеральные соединения к чувствительным к искривлению нейронам. Входные данные из набора группирующих ячеек определяли бы центр тяжести стимула градуированным образом.Для изучения этой возможности необходимы дальнейшие эксперименты, но предварительные результаты нашей лаборатории показывают, что самые ранние ответы в V4 кодируют общий размер стимула, что подтверждает эту гипотезу.
Рассматриваемые здесь альтернативы моделям APC и SRF включают набор биологически вдохновленных иерархических моделей (Cadieu et al. 2007; Rodríguez-Sánchez and Tsotsos 2012; Serre et al. 2005). Модель Cadieu et al. было показано, что он объясняет настройку кривизны нейронов V4 с использованием того же набора данных, который рассматривается здесь — рис.10A Cadieu et al. (2007) показывает, что их модель работает аналогично модели 4D APC с точки зрения объясненной дисперсии. Однако модель Кадье не работает в объектно-центрированной системе и не представляет кривизну в явном виде. Кривизна строится как комбинация ориентированных отрезков, а трансляционная инвариантность достигается небольшими шагами позиционной инвариантности, реализованными с помощью max-функции. Модель Родригеса-Санчеса и Цоцоса (2012) явно представляет настройку кривизны на промежуточных этапах визуальной иерархии и неявно использует объектно-центрированную систему координат.Эти модели могут обеспечить полезную основу для проверки природы объектно-центрированного представления и для разработки более полной модели, которая включает в себя новые недавние открытия, связанные с сегментацией объектов в V4, которые еще предстоит смоделировать (Bushnell et al. 2011).
В заключение, важно искать самые простые модели, и поэтому модель SRF является важной точкой сравнения. Тем не менее, ответы нейронов V4, по-видимому, отражают решения некоторых из самых сложных проблем визуального распознавания объектов, таких как инвариантность к трансляции и сегментация объектов, поэтому неудивительно, если простые комбинации выходных сигналов V1 не объясняют ответы V4.Чтобы углубить наше понимание V4, важно будет 1 ) разработать механистическую реализацию, объясняющую реакцию кривизны, 2 ) расширить такие модели для обработки сложных сцен и 3 ) провести эксперименты для дальнейшего изучения этих нейронов V4. которые плохо объясняются моделями APC или SRF.
Участие авторов: Т.Д.О., А.П. и В.Б. концепция и дизайн исследования; Т.Д.О., А.П. и В.Б. проанализированные данные; T.D.O., А.П. и В.B. интерпретировал результаты опытов; Т.Д.О., А.П. и В.Б. подготовленные фигуры; Т.Д.О., А.П. и В.Б. черновая рукопись; Т.Д.О., А.П. и В.Б. отредактированная и исправленная рукопись; Т.Д.О., А.П. и В.Б. утвержден окончательный вариант рукописи.
Настройка индуцированного током эффективного магнитного поля с помощью эффекта Рашбы в гибридных мультиферроидных структурах
Сегнетоэлектрическая поляризация и ее влияние на магнитные свойства
разработка интерфейсов, т.е.е., контролируя терминацию подложки STO. В результате TiO 2 -окончание STO приведет к отрицательной поляризации BTO (рис. 1a), тогда как повышение поляризации предпочтительнее для SrO-окончания субстрата STO (рис. 1b). Окончание SrO достигается путем нанесения тонкого подслоя SrRuO 3 (SRO) на STO с ограничителем TiO 2 перед BTO. На панелях (c) и (d) на рис. 1 показаны фазовые изображения внеплоскостной силовой микроскопии пьезоотклика (PFM) соответственно, где разные цвета представляют противоположные поляризации.Хорошая однородность фазовых изображений предполагает наличие одного домена одной сегнетоэлектрической фазы для каждой предпочтительной поляризации. Эта управляемая интерфейсом разработка характеризовалась методом HAADF-STEM. На рисунке 1e показаны изображения HAADF-STEM пленки BaTiO 3 , выращенной поверх SrTiO 3 с концевыми SrO посредством вставки слоя SrRuO 3 . Из изображения видно, что окончаниями слоев SrTiO 3 и SrRuO 3 являются TiO 2 и SrO соответственно, что согласуется с приведенным выше описанием.
Рис. 1: Направление поляризации, контролируемое заделкой поверхности подложки.Схематическая структура BATIO 3 , выращенная на A TIO 2 —termined SRTIO 3 и B sro-завершение SRTIO 3 с помощью вставки слоя SRRUO 3 . Красные стрелки представляют направление сегнетоэлектрической поляризации BaTiO 3 . Соответствующие фазовые изображения вне плоскости показаны на c и d , где разные цвета подтверждают их противоположную поляризацию.Полосы шкалы размеров составляют 500 нм. e Изображения HAADF-STEM пленки BaTiO 3 , выращенной поверх SrTiO 3 с концевыми SrO, путем вставки слоя SrRuO 3 situ на пленке BTO с разными направлениями поляризации после переноса в камеру напыления без нарушения вакуума, где слой CoFeB непосредственно контактирует с BTO. Сегнетоэлектрические свойства пленок BTO сохраняются после этой процедуры отжига, что было подтверждено петлями гистерезиса фазы и амплитуды с помощью PFM, как показано на дополнительном рисунке S1.Помимо самополяризации BTO, все остальные условия, такие как параметры роста для BTO, CoFeB и Pt и процедуры отжига, идентичны.
Как показано на рис. 2, магнитная легкая ось обеих структур находится вне плоскости, что подтверждается измерениями сверхпроводящего устройства квантовой интерференции (СКВИД) и магнитооптического эффекта Керра (МОКЭ). Более того, мы обнаружили, что различные сегнетоэлектрические поляризации BTO нетривиально влияют на магнитные свойства CoFeB, выращенного на них.Намагниченность насыщения M с CoFeB составляет 1212 emu/cc, когда поляризация указывает вниз, тогда как она составляет 1316 emu/cc, когда поляризация направлена вверх. Эффективная энергия магнитной анизотропии (в пересчете на К эфф т) CoFeB/Pt на ВТО с поляризацией вверх (0,178 эрг/см 2 ), рассчитанная по интегральной разности внеплоскостных и кривых намагничивания в плоскости, немного больше, чем при поляризации BTO вниз (0.171 эрг/см 2 ). Высокая энергия анизотропии обеспечивает высокую термическую стабильность и, следовательно, требует высокой плотности тока переключения, тогда как низкая энергия анизотропии снижает ток записи и, следовательно, приводит к меньшему потреблению энергии. Влияние на магнитную анизотропию сегнетоэлектрической поляризации обсуждалось теоретически 27 , и Fe на BTO с повышающей поляризацией имеет большую магнитную анизотропию, чем на BTO с понижающей поляризацией из-за различных гибридизаций между Fe, O и Ти.Эта гибридизация может привести к орбитальной поляризации Fe 28 . Наши экспериментальные результаты по изменению магнитной анизотропии в зависимости от направления поляризации согласуются с теоретическими расчетами. На дополнительном рисунке S2 мы также представили поляризационно-зависимые рентгеновские спектры поглощения (XAS) края Fe L 2,3 , которые подтвердили различную орбитальную поляризацию Fe при изменении направления сегнетоэлектрической поляризации сверху вниз. Для ясности в следующем контексте BTO↑ используется для обозначения двойного слоя CoFeB/Pt, выращенного на BTO с сегнетоэлектрической поляризацией вверх, а BTO↓ — для бислоя, выращенного на BTO с сегнетоэлектрической поляризацией вниз.
Рис. 2: Измерения МГ.Петли МГ методом СКВИДа при 300 K для бислоев CoFeB/Pt, выращенных на BaTiO 3 с поляризацией вниз ( a ) и BaTiO 3 с поляризацией вверх ( b ), которые демонстрируют плоская легкая ось обоих образцов и что на насыщенную намагниченность и эффективную энергию анизотропии влияют различные поляризации BaTiO 3 . Здесь BTO↓ и BTO↑ представляют образцы CoFeB/Pt, выращенные на BTO с поляризацией вниз и вверх, индуцированной TiO 2 — и SrTiO с концевыми группами SrO 3 соответственно
Измерения гармоник для индуцированного током эффективного магнитного поля поля
Ригельные устройства Холла (рис.3а) двух типов структур, BTO↓ и BTO↑, были изготовлены методами фотолитографии и ионного измельчения.2}},$$
(2)
, где x = R R R R R R 1 PHE и R и R AHE — это планар насыщения и сопротивления аномального холла, соответственно. В 1ω и В 2ω — напряжения Холла первой и второй гармоник, измеренные одновременно двумя синхронными усилителями. H x и H y — внешние магнитные поля, развернутые в продольном и поперечном направлениях при измерении гармонического напряжения Холла. Параболическую и линейную арматуру выполняют на В 1ω и В 2ω в зависимости от внешнего поля, как показано на рис.3б, в для продольного и поперечного поля соответственно. H L( T ) , изм получены из результатов подгонки на основе уравнения. 1. χ определяется из зависящего от угла плоского сопротивления Холла (см. Дополнительный рисунок S4). Результирующее эффективное магнитное поле H L( T ) можно определить из уравнения 2.
Рис. 3: Измерения гармоник на устройствах BTO↓ и BTO↑.a Схематический чертеж ригельного устройства, используемого для измерений. Во время измерений переменный ток j вводится в направлении x с внешним магнитным полем ( H E ). Индуцированные током эффективные магнитные поля ( H L и H T ) отражаются в гармонических измерениях. b Данные первой и c второй гармоник для устройства BTO↓ с небольшим внешним магнитным полем, приложенным в продольном и поперечном направлениях, соответственно, когда направления намагниченности ( M ) CoFeB направлены вверх.Данные гармоник для намагниченности вниз представлены на вставках справа. На вставках слева показаны соответствующие настройки измерений. d Расчетные эффективные магнитные поля ( H L и H T ) как функция амплитуды переменного тока. e , f Зависящие от температуры H L и H T соответственно устройств BTO↓ и BTO↑
Эффективные магнитные поля при 8TO K В Д = 12.7 OE / (10 7 A / CM 2 ) и H T = 80211 T = 8.4 OE / (10 7 A / CM 2 ), тогда как для BTO ↑ H L = 4,0 Э/(10 7 А/см 2 ) и H T = 2,2 Э/(10 7 А/см 2 ). И H L , и H T увеличились более чем на 200% при изменении сегнетоэлектрической поляризации сверху вниз. Поскольку в обеих структурах были нанесены идентичные бислои CoFeB/Pt, то не ожидается разницы в индуцированных током эффективных магнитных полях (как H L , так и H T ), если объемная СТЭ Pt равна единственный фактор, влияющий на изменения H L и H T , указывающий на то, что интерфейс между CoFeB и BTO играет критическую роль, что будет обсуждаться позже.Для проверки влияния джоулева нагрева были проведены измерения гармоник при различных амплитудах переменного тока. Как показано на рис. 3d, эффективные магнитные поля H L и H T линейно пропорциональны амплитудам тока в исследуемом диапазоне. Аналогичная линейная зависимость наблюдается и для BTO↑, но с другим наклоном. Линейная пропорциональность подтверждает, что влияние джоулева нагрева на измеренные эффективные магнитные поля пренебрежимо мало.Кроме того, мы также исключили влияние аномального эффекта Нернста (см. Дополнительный рисунок S5), который вызван градиентом температуры вдоль канала тока, если он существует.
Настройка поляризации на индуцированные током эффективные магнитные поля дополнительно подтверждается измерениями гармоник в зависимости от температуры. Панели (e) и (f) на рис. 3 показывают производные H L и H T устройств BTO↓ и BTO↑ соответственно.Индуцированные током эффективные магнитные поля H L и H T у BTO↓ всегда больше, чем у BTO↑ в исследованном диапазоне температур, и различия становятся меньше с ростом температуры. Температурная зависимость H T BTO↓ противоположна H T BTO↑, тогда как H L обеих структур увеличивается с повышением температуры. Согласно \({{H}}_{{\rm L}({{T}})}/{{J}}_{\mathrm {c}} = \xi _{{\rm L}(T )}\hbar /(2e{{M}}_{\mathrm {s}}t_{{\rm FM}})\) 32 , где Дж c — плотность зарядного тока, ξ L ( T ) T ) 2 — эффективность спинового крутящего момента, ћ — константа Planck, м S — это намагниченность насыщения, а T FM — его толщина, увеличение ч L при повышении температуры объясняется уменьшением M s (см. Дополнительный рисунок S3, где аномальное сопротивление Холла указывает на тенденцию M s ) при условии, что слабо зависит от температуры.Кроме того, отношение H T / H L для BTO↓ увеличивается с понижением температуры, тогда как отношение H T / H L для Рисунок S6). Происхождение различного поведения в двух типах выборок обсуждается позже.
Индуцированное током переключение намагничивания
Кроме того, индуцированное током эффективное магнитное поле используется для электрического управления намагниченностью.В нашей экспериментальной установке импульсный ток используется для создания эффективных магнитных полей, а напряжение Холла связано с малой амплитудой источника переменного тока после регистрации импульса, что отражает состояние намагниченности. Чтобы получить детерминированное переключение для ферромагнитного слоя с PMA, внешнее магнитное поле в плоскости применяется для нарушения симметрии равновесия 33 . Как показано на рис. 4а, б, для обеих структур достигается детерминированное переключение намагниченности, т.е.т. е. изменение направления тока приводит к переключению намагниченности при фиксированном магнитном поле в плоскости. Полярность переключения меняется при изменении направления магнитного поля в плоскости. Это типичные особенности переключения SOT устройств PMA. Панели (c) и (d) на рис. 4 суммируют фазовую диаграмму переключения, т. Е. Критический ток переключения как функцию внешнего магнитного поля. Установлено, что критический ток переключения для BTO↓ меньше, чем у BTO↑. Те же измерения были выполнены при более низких температурах (дополнительный рисунок S7), что показывает аналогичное поведение.
Рис. 4: Индуцированное током переключение намагничивания устройств BTO↓ и BTO↑.a , b R H — I петли при различных магнитных полях в плоскости вдоль направления тока для устройств BTO↓ и BTO↑ соответственно. Критические токи, оцененные по a и b , нанесены на графики c и d как функция магнитного поля в плоскости. e Рассчитанная анизотропия магнитного поля по измерениям гармоник для обоих устройств.На вставке показана типичная процедура получения поля анизотропии. f Эффективность переключения намагничивания для обоих устройств в зависимости от температуры
Хорошо известно, что в системах HM/FM/Oxide эффективное продольное магнитное поле H L создает антидемпфирующий крутящий момент для управления переключение намагниченности и что эффективное поперечное магнитное поле H T индуцирует крутящий момент, подобный полю, вызывающий прецессию намагниченности, которая способствует переключению намагниченности, тем самым уменьшая критический ток переключения 34,35 .2} /{{J}}_{\rm c}\) используется для оценки эффективности переключения устройств 35 , где H K — поле магнитной анизотропии, H E — приложенное внешнее магнитное поле и Дж c критический ток переключения. H K для устройств BTO↓ и BTO↑ выводится из данных первой гармоники (вставка на рис. 4e), как показано на рис. 4e. Видно, что H K для BTO↑ больше, чем для BTO↓, что согласуется с наблюдаемыми измерениями SQUID и MOKE.На рисунке 4f показана эффективность переключения устройств BTO↓ и BTO↑ в зависимости от температуры. Эффективность переключения обеих структур увеличивается с повышением температуры, что согласуется с изменением H L с температурой (рис. 3e), подтверждая, что H L играет доминирующую роль в процессе переключения намагниченности. . В результате более высокая эффективность переключения достигается для BTO↓ с направленной вниз сегнетоэлектрической поляризацией, что предполагает возможность использования поляризации BTO в качестве параметра для настройки переключения намагниченности.Отмечено, что разница эффективности переключения обеих структур с ростом температуры не столь велика, как H L , что может быть вызвано разницей H K , а также возможным джоулевым нагревом за счет применен большой ток переключения 6 .
Как создать идеальный Zendesk — справка Zendesk
На этом сеансе тонкой настройки рассказывается о том, как создать экземпляр Zendesk по частям, в том числе:
Менеджер по запуску Дон Ньютон работает в Zendesk с октября 2014 года и имеет более чем четырнадцатилетний опыт работы в сфере поддержки клиентов, обучения и внедрения программного обеспечения.
Кроме того, обязательно ознакомьтесь со второй частью этой тонкой настройки, где Дон делится передовым опытом и ценными советами по рабочему процессу.
Часть 1. Группы и роли
Какая у тебя была любимая игрушка в детстве? Было ли это чем-то, что держало вас в активном состоянии? Это помогло вам притвориться кем-то другим? Это позволяло вам заниматься творчеством?
Я вырос в мире, полном фигурок, футбольных мячей, водяных пистолетов и даже видеоигр, но моими любимыми игрушками всегда были LEGO. Ничто другое не могло сравниться с креативностью и контролем, которые предлагали LEGO.Дайте мне достаточно времени (и достаточно деталей), и я смогу построить ВСЕ.
В 80-х и 90-х годах каждый ребенок мечтал вырасти и получить работу по проектированию сложных вещей из простых датских строительных блоков. Сегодня я могу с уверенностью сказать, что у меня получилось — и у вас тоже!
Создание вашего Zendesk очень похоже на сборку с помощью LEGO. Как и эти замечательные пластиковые строительные блоки, Zendesk является модульным, и каждый компонент работает в гармонии с другими. Вместе вы можете использовать их для создания самого мощного космического корабля (или системы продажи билетов), который вы только можете себе представить.
В этой тонкой настройке мы рассмотрим каждый элемент вашего Zendesk и обсудим возможные ловушки, рекомендации и вопросы, которые следует задать себе при создании экземпляра.
Остерегайтесь случайных осколков!
Группы
Группы помогают организовать членов вашей команды. Есть несколько способов использовать группы в Zendesk:
- Назначение заявок определенной группе членов команды (обычно агентов).
- Создание представлений для определенной группы членов команды.
- Создание макросов для определенной группы членов команды.
- Отправка уведомлений определенной группе членов команды (агентам или администраторам).
- Отчет о производительности в группе членов команды.
Возможные ошибки:
Группы не обязательно должны полностью отражать структуру вашей организации. Многие администраторы хотят создать родительские группы для своих команд, но это может внести путаницу при переназначении заявок, и в результате заявки могут быть потеряны или задержаны.
Заявки, назначенные родительским группам, могут не отображаться в соответствующих представлениях агента.
Лучшие практики:
Постарайтесь, чтобы у каждой группы в Zendesk была четкая цель. Ваша цель должна состоять в том, чтобы использовать как можно меньше групп, чтобы все было просто для вашей команды.
Многие компании создают несколько групп для назначения заявок. Эти же группы могут иметь специальные представления, макросы и уведомления. Это самый простой способ использования групп.
Вопросы, которые нужно задать себе:
- У вас есть группы, которые могут быть ненужными?
- У вас есть пустые группы?
- Есть ли у вас группы, дублирующие другие группы?
- Можете ли вы определить конкретную цель для каждой группы, которую вы определили?
- Какие группы (если есть) вы можете создать, чтобы повысить ценность?
Использование групп
Для просмотра или редактирования групп
- В Центре администрирования нажмите значок Люди () на боковой панели, затем выберите Команда > Группы .
Дополнительные сведения о создании групп и управлении ими см. в разделе О странице «Группы».
ролей
Роли определяют разрешения ваших агентов. У каждого пользователя может быть только одна роль. Создание пользовательских ролей пользователей позволяет вам устанавливать разрешения и доступ ваших агентов. Например, вы можете разрешить или запретить агентам:
- Все билеты или только билеты, назначенные им или их группам.
- Публичный комментарий к заявке.
- Обновите поля или теги заявки.
- Объединение или удаление заявок.
- Редактировать профили конечных пользователей.
- Просмотр и создание отчетов.
- Управляйте своим справочным центром.
- Управление бизнес-правилами.
- Управление макросами и представлениями.
- Управление каналами и расширениями.
Возможные ошибки:
Если в ваших заявках содержится конфиденциальная информация, может быть важно ограничить доступ к заявкам отдельных агентов.Первое разрешение в каждой роли определяет, какие заявки могут видеть пользователи этой роли. Если вы разрешаете своим агентам видеть все заявки, вы даете им возможность видеть любую заявку в вашем экземпляре, даже если она не отображается ни в одном из их представлений.
Если вы ограничите своих агентов только заявками в своих группах, они не смогут просматривать полную историю заявок пользователей или организаций и не смогут искать заявки за пределами своих групп. Это может потенциально ограничить способность агента исследовать предыдущую или текущую проблему с одним из своих клиентов.
По возможности избегайте создания ролей для отдельных пользователей. По мере роста вашей команды может стать трудным управлять большим количеством ролей. Помните, что роли — это просто наборы разрешений, и их не следует путать с группами, которые могут определять представления, макросы и назначения заявок.
Все мы знаем, как опасно иметь на кухне слишком много поваров. Та же концепция применима и к администрированию вашего Zendesk. Наличие большого количества пользователей с правами администратора может привести к несоответствиям в соглашениях об именах для представлений, макросов, триггеров, автоматизаций и т. д., что, в свою очередь, может привести к несогласованности конфигурации бизнес-правил и рабочего процесса.
Если у вас есть определенные общие представления, с которыми вы хотите, чтобы ваши агенты работали, предоставление им разрешения на создание своих личных представлений может позволить им обойти ваши рабочие процессы, если вместо этого они решат работать со своими личными представлениями. Их просмотры могут показывать разные билеты или сортировать их по-разному. То же самое верно для общих и личных макросов.
Передовой опыт:
Определите, кто из ваших агентов должен иметь доступ ко всем заявкам.Вы не можете настроить Zendesk на предоставление агенту доступа ко всем заявкам, кроме x заявок. Вы можете настроить Zendesk таким образом, чтобы они показывали им только x билетов. Это можно сделать, разрешив этим агентам видеть только заявки в своих группах, а затем добавив их в соответствующие группы. В этом случае x определяется коллективными билетами, назначенными группам агентов.
Старайтесь создавать как можно меньше ролей. Создание нескольких общих ролей — гораздо более масштабируемое решение, поскольку его легче поддерживать по мере роста и развития.
Ограничить количество пользователей с правами администратора. Общая рекомендация состоит в том, что у вас не более 4-5 администраторов. Это гарантирует, что никто случайно (или намеренно) не внесет изменения, которые могут иметь далеко идущие последствия и нанести ущерб вашему успеху. Это включает в себя изменения каналов, бизнес-правил, ролей, расписаний и всего остального, что может повлиять на ваш рабочий процесс.
Вопросы, которые нужно задать себе:
- Могут ли ваши агенты выполнить то, что им нужно в их текущих ролях?
- Сколько различных ролей у вас есть в Zendesk?
- Какие роли не нужны?
- Какие роли вы могли бы добавить или изменить, чтобы улучшить рабочий процесс?
Использование настраиваемых ролей
Для просмотра пользовательских ролей агента и управления ими
- В Центре администрирования нажмите значок Люди () на боковой панели, затем выберите Команда > Роли .
Дополнительные сведения о создании настраиваемых ролей и управлении ими см. в разделе О странице групп.
Часть 2. Организации, поля организации и пользовательские поля
Организации
Организации позволяют группировать конечных пользователей (также называемых клиентами). Вы можете использовать их для:
- Сгруппируйте пользователей из одной компании или отдела.
- Добавьте важную информацию в заявки для маршрутизации или создания отчетов.
- Отчет о том, какие конечные пользователи создают больше всего заявок.
Возможные ошибки:
Каждый билет может принадлежать только одной организации. У вас могут быть пользователи, принадлежащие к нескольким организациям, но заявки каждого пользователя будут автоматически назначены его организации по умолчанию . Это означает, что вам нужно обязательно назначить всем организацию по умолчанию в их профилях пользователей.
Теги организации добавляются к заявкам только при создании заявки. Если вы измените связанную организацию в заявке после ее создания, теги организации не будут переданы в заявку.
Если вы используете Zendesk для отслеживания проблем с персоналом, убедитесь, что ваши организации не разрешают пользователям внутри организации просматривать заявки друг друга. Если вы пропустите этот единственный параметр, вы можете столкнуться со сценарием, в котором ваши сотрудники могут читать потенциально конфиденциальные сообщения друг друга с HR.
Передовой опыт:
Вы можете использовать организации для автоматического связывания заявок ваших клиентов на основе домена электронной почты. Это особенно полезно для случаев использования B2B.Вы можете добавить домен (или несколько доменов) в организацию, и она автоматически добавит пользователей (и билеты) с адресами электронной почты, содержащими эти домены. Это избавит вас от необходимости постоянно поддерживать пользователей в каждой организации.
Теги организации будут добавлены ко всем заявкам, созданным пользователями внутри организации. Это отличный способ связать бизнес-правила, особенно для тикетов по электронной почте. Простое добавление тегов, таких как «vip» или «product_x», позволит вам установить приоритет, направить заявки определенным группам или агентам или установить определенные политики SLA.
Вы можете синхронизировать свои организации с CRM, чтобы поддерживать их в актуальном состоянии. Ознакомьтесь со списком приложений, доступных в Zendesk Marketplace.
Вопросы, которые нужно задать себе:
- Вы синхронизируете информацию о пользователе или организации из внешней CRM?
- Вы хотите, чтобы ваши пользователи принадлежали к нескольким организациям?
- Если да, то какие организации должны быть по умолчанию для ваших пользователей?
- Какие теги следует добавить (если есть) к вашим организациям?
- Что представляют ваши организации — компании, отделы, классификации и т.д…?
Использование организаций
Для добавления организаций и управления ими
- В разделе «Поддержка» нажмите значок Organizations () на боковой панели.
Дополнительные сведения о создании организаций и управлении ими см. на странице «Организации».
Пользовательские поля и организационные поля
Пользовательские поля используются в профилях пользователей. Они могут влиять на бизнес-правила и сообщать важную информацию о билетах, которые запрашиваются пользователем.
Поля организации находятся в профилях организации. Они передают информацию билетам, которые запрашиваются пользователями в организации.
Вы можете создавать следующие типы настраиваемых полей:
- Выпадающий список
- Текст
- Многострочный текст
- Цифровой
- Десятичный
- Флажок
- Регулярное выражение
- Дата
Как раскрывающиеся списки, так и поля флажков могут добавлять информацию к запрошенным пользователем заявкам.Каждый из этих типов полей добавит тег пользователю или организации, который затем будет добавлен к любой заявке, созданной пользователем.
Возможные ошибки:
Слишком большое количество пользовательских полей может создавать ненужный шум при просмотре профиля пользователя.
Имейте в виду, что теги организации не передаются профилям пользователей. Это распространенное предположение среди новых администраторов Zendesk.
Теги пользователя и организации передаются заявкам только при их создании. Если вы измените организацию или отправителя заявки после создания заявки, новые теги пользователя и организации не будут добавлены в заявку.Это потенциально может помешать некоторым рабочим процессам на основе тегов вступить в силу.
Передовой опыт:
По возможности используйте раскрывающиеся списки и поля флажков. Это позволяет вам получать непротиворечивую информацию о каждом пользователе или организации, а также позволяет передавать информацию через теги в заявки, созданные пользователем. Агентам также будет проще обновлять их, и у вас будет больше возможностей для создания отчетов (например, заявки, созданные по демографическим данным/отраслям, удовлетворенность заявок VIP-клиентов и т. д.)
Помимо создания отчетов, полезно использовать поля пользователя или организации для маршрутизации заявок или приоритизации.Вы можете настроить Zendesk для направления определенных категорий клиентов к определенным группам агентов или установить приоритет на основе уровня обслуживания, плана или расположения.
Это помогает ограничить информацию в профилях пользователей только функциональной информацией. Если вы синхронизируетесь с CRM, она должна передавать только ту информацию, которая необходима для решения, маршрутизации или определения приоритетов заявок в Zendesk. Если вам просто нужна справочная информация, может быть проще использовать приложение боковой панели заявок, которое интегрируется с вашей CRM.
В Zendesk Marketplace можно найти десятки готовых приложений для интеграции CRM и электронной коммерции.
Вопросы, которые нужно задать себе:
- Вы синхронизируете информацию о пользователе или организации из внешней CRM?
- Какую информацию необходимо хранить в Zendesk (агенты, конечные пользователи, организации)?
- Какую информацию вы хотели бы передавать в запрошенные пользователем или организацией заявки?
- Какую информацию важно знать при маршрутизации или приоритизации заявок пользователя?
Использование пользовательских и организационных полей
Для создания и управления пользовательскими полями
- В Центре администрирования нажмите значок Люди () на боковой панели, затем выберите Конфигурация > Пользовательские поля .
Для создания полей организации и управления ими
- В Центре администрирования нажмите значок Люди () на боковой панели, затем выберите Конфигурация > Организационные поля .
Дополнительные сведения см. в разделах Добавление настраиваемых полей для пользователей и Добавление настраиваемых полей для организаций.
Часть 3: поля и формы заявок
Поля билетов
Поля заявки находятся на боковой панели заявки и позволяют хранить информацию, маршрутизировать и определять приоритеты каждой заявки.Они являются ключевым компонентом вашего опыта работы с Zendesk.
Вы можете создавать следующие типы полей заявки:
- Выпадающий список
- Текст
- Многострочный текст
- Цифровой
- Десятичный
- Флажок
- Регулярное выражение
- Дата
- Номер кредитной карты
Возможные ошибки:
Использование текстовых полей может быть сложным, если вы планируете использовать информацию для чего-либо, кроме помощи агенту в понимании проблемы.Текстовые поля ненадежны для отчетов или выполнения действий с помощью бизнес-правил, потому что пользователи неизбежно будут использовать разные формулировки для обозначения одного и того же. Многострочные текстовые поля вообще недоступны в отчетах.
Настраиваемые поля даты — отличный способ встроить даты выполнения и автоматизацию пожара, но имейте в виду, что вы не можете сортировать представления по настраиваемому полю даты.
Если поле помечено конечным пользователем как обязательное, Zendesk не позволит пользователю отправить заявку до тех пор, пока это поле не будет установлено.Это по-прежнему верно для полей, которые могут быть скрыты пользовательским кодом в вашем Справочном центре или в приложении «Условные поля».
Передовой опыт:
Поля заявки могут иметь разные имена для членов команды и конечных пользователей. Это означает, что вы можете использовать имена полей в качестве вопросов для ваших конечных пользователей, что может помочь собрать необходимую информацию без путаницы. Это особенно полезно, если у вас есть сокращенные внутренние имена для полей заявки (боковая панель заявки имеет несколько ограниченное пространство).
Например, если вы хотите записать шаги по устранению неполадок вашего конечного пользователя при отправке ИТ-тикета, вы можете назвать свое поле Действия по устранению неполадок внутренне и Какие действия по устранению неполадок вы предприняли? в форме заявки для конечного пользователя.
Почти всегда лучше использовать раскрывающиеся поля, когда это возможно. Раскрывающиеся списки позволяют создавать четкие отчеты, эффективно применять простые бизнес-правила и упрощают работу агентов и конечных пользователей.Раскрывающиеся списки также можно использовать вместо флажков, если вы хотите, чтобы ваши агенты подтверждали вопрос ответом «да» или «нет», потому что установка поля флажка как обязательного означает, что пользователи вынуждены проверять его.
Воспользуйтесь преимуществами вложенных раскрывающихся полей. Это позволит вам добавить несколько уровней в одно поле, чтобы упростить взаимодействие с пользователем.
Чтобы эффективно использовать поля заявки, убедитесь, что вы используете поля заявки только для следующих целей:
- Направление заявки определенной группе или члену команды
- Выполнение различных пользовательских действий над заявкой с помощью триггеров или средств автоматизации
- Применение политик SLA
- Помощь члену команды в определении проблемы и более быстром решении заявки
- Классификация ваших билетов для просмотров или отчетов
Вопросы, которые следует задать себе:
- Что мне нужно знать для маршрутизации билетов?
- Что мне нужно знать, чтобы решить мои тикеты?
- Что мне нужно знать, чтобы сообщить о своих билетах?
- Какие поля должны быть видны конечным пользователям, а какие должны быть доступны только для внутреннего использования?
- Какие поля должны быть обязательными для конечных пользователей для отправки заявок?
- Какие поля должны быть заполнены перед тем, как агент будет решать заявки?
Использование полей заявки
Для создания полей заявок и управления ими
- В Центре администрирования нажмите значок Объект и правила () на боковой панели, затем выберите Заявки > Поля .
Дополнительные сведения см. в разделах О настраиваемых полях заявок и Добавление настраиваемых полей в заявки и форму запроса в службу поддержки.
Бланки билетов
Формы тикетов находятся на боковой панели тикетов и позволяют отображать поля тикетов. Вы можете использовать несколько форм для сбора только необходимой информации от ваших агентов и конечных пользователей.
Все учетные записи Zendesk используют форму заявки по умолчанию. В некоторых учетных записях есть возможность создавать дополнительные настраиваемые формы заявок.
Возможные ошибки:
Чем больше полей заявки, видимых конечным пользователям, в вашей форме, тем выше входной барьер для ваших конечных пользователей для отправки заявок.
Более длинные формы заявок также могут негативно сказаться на производительности агентов, особенно если у вас есть обязательные поля в нижней части.
Наличие слишком большого количества форм для выбора также может привести к путанице у ваших конечных пользователей или агентов.
Передовой опыт:
Убедитесь, что вы запрашиваете у конечных пользователей только ту информацию, которая имеет отношение к заявке.
Обратите особое внимание на порядок полей. Если у вас есть поля, предназначенные специально для целей отчетности, лучше поместить их в нижнюю часть формы. Поместите информацию, которая важна для агента, в верхней части формы, чтобы ему не нужно было прокручивать боковую панель вниз.
(Множественные формы заявки) Заявка сохранит информацию в каждом поле заявки, независимо от текущей выбранной формы заявки. Это означает, что если у вас есть поля, важные для использования системой (отчеты, маршрутизация, представления и т. д.), которые не установлены членами вашей команды или не важны для них, то вы можете создать отдельную (внутреннюю) форму для этих полей или оставить их от всех форм полностью.Это сделает ваш пользовательский интерфейс Zendesk максимально чистым. Информация в полях по-прежнему будет доступна для отчетов и бизнес-правил.
(Множественные формы тикетов) Как и в случае с пользовательскими полями тикетов, вы можете давать настраиваемым формам тикетов разные имена для конечных пользователей и членов вашей команды. Это позволяет вашим конечным пользователям выбирать тип запроса, который они отправляют, удобным для них способом, в то же время позволяя вам сохранить официальное имя формы внутри.
Вопросы, которые нужно задать себе:
- Нужно ли мне несколько бланков билетов или только один?
- Запрашиваю ли я правильную информацию у своих конечных пользователей?
- Естественны ли потоки моих бланков билетов? Если нет, то что не на месте?
- (Множественные формы заявок) Ясно ли названы мои формы для конечных пользователей?
- (Формы с несколькими билетами) Ясно ли названы мои формы для членов моей команды?
Использование бланков билетов
Для создания форм заявок и управления ими
- В Центре администрирования нажмите значок Объект и правила () на боковой панели, затем выберите Заявки > Формы .
Дополнительные сведения см. в разделах Понимание и оптимизация форм заявок и Создание нескольких форм заявок для поддержки различных типов запросов.
Произошла ошибка при настройке пользовательского файла cookie
Этот сайт использует файлы cookie для повышения производительности. Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.
Настройка браузера на прием файлов cookie
Существует множество причин, по которым файл cookie не может быть установлен правильно.Ниже приведены наиболее распространенные причины:
- В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки браузера, чтобы принять файлы cookie, или спросить вас, хотите ли вы принимать файлы cookie.
- Ваш браузер спрашивает, хотите ли вы принимать файлы cookie, и вы отказались. Чтобы принять файлы cookie с этого сайта, нажмите кнопку «Назад» и примите файл cookie.
- Ваш браузер не поддерживает файлы cookie. Попробуйте другой браузер, если вы подозреваете это.
- Дата на вашем компьютере в прошлом.Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы это исправить, установите правильное время и дату на своем компьютере.
- Вы установили приложение, которое отслеживает или блокирует установку файлов cookie. Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.
Почему этому сайту требуются файлы cookie?
Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу.Предоставить доступ без файлов cookie потребует от сайта создания нового сеанса для каждой посещаемой вами страницы, что замедляет работу системы до неприемлемого уровня.
Что сохраняется в файле cookie?
Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в файле cookie; никакая другая информация не фиксируется.
Как правило, в файле cookie может храниться только та информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта.Например, сайт не может определить ваше имя электронной почты, если вы не решите ввести его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступ к остальной части вашего компьютера, и только сайт, создавший файл cookie, может его прочитать.
Произошла ошибка при настройке пользовательского файла cookie
Этот сайт использует файлы cookie для повышения производительности. Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.
Настройка браузера на прием файлов cookie
Существует множество причин, по которым файл cookie не может быть установлен правильно.Ниже приведены наиболее распространенные причины:
- В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки браузера, чтобы принять файлы cookie, или спросить вас, хотите ли вы принимать файлы cookie.
- Ваш браузер спрашивает, хотите ли вы принимать файлы cookie, и вы отказались. Чтобы принять файлы cookie с этого сайта, нажмите кнопку «Назад» и примите файл cookie.
- Ваш браузер не поддерживает файлы cookie. Попробуйте другой браузер, если вы подозреваете это.
- Дата на вашем компьютере в прошлом.Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы это исправить, установите правильное время и дату на своем компьютере.
- Вы установили приложение, которое отслеживает или блокирует установку файлов cookie. Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.
Почему этому сайту требуются файлы cookie?
Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу.Предоставить доступ без файлов cookie потребует от сайта создания нового сеанса для каждой посещаемой вами страницы, что замедляет работу системы до неприемлемого уровня.
Что сохраняется в файле cookie?
Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в файле cookie; никакая другая информация не фиксируется.
Как правило, в файле cookie может храниться только та информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта.Например, сайт не может определить ваше имя электронной почты, если вы не решите ввести его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступ к остальной части вашего компьютера, и только сайт, создавший файл cookie, может его прочитать.
Restyling.eu – Оклейка и тюнинг
1
Не повредит ли пленка лакокрасочное покрытие?
Пленки, которые мы используем, на 100% снимаются, что гарантирует отсутствие повреждения оригинальной краски автомобиля.На самом деле пленка является отличной защитой для краски вашего автомобиля. Обратите внимание, что краска может быть повреждена на деталях, которые были отремонтированы или перекрашены непрофессионально.
2
Как долго сохраняется оклейка автомобиля?
Профессиональная оклейка автомобиля с использованием качественных материалов и в специализированном центре оклейки прослужит от трех до пяти лет. Качество упаковки здесь очень важный фактор, и именно этим мы отличаемся от некоторых наших более дешевых конкурентов.
3
Есть ли гарантия на пленку?
Мы предлагаем 3 года гарантии. Мы отвечаем за всю нашу работу, поэтому, если возникнут какие-либо проблемы, мы уделим вам все свое внимание. Гарантия не распространяется на механические или химические повреждения.
4
Можете ли вы снять пленку с автомобиля?
Определенно. Хотя это довольно утомительный процесс, мы предлагаем услуги по снятию пленки, а также по установке, и будем рады помочь.
5
Могу ли я оклеивать отдельные части своего автомобиля?
Да, можете. Капоты и крыши — популярный выбор для индивидуальной упаковки. Для действительно индивидуального внешнего вида мы рекомендуем «окунать» такие детали, как боковые зеркала заднего вида, накладки, ручки, ручки, решетки и многое другое.
6
Сколько это стоит?
Полная оклейка начинается от 900 евро. Стоимость будет увеличиваться в зависимости от размера, сложности дизайна и выбора материала.Мы никогда не идем на компромисс ни в одном аспекте процесса оклейки и проявляем максимальную осторожность при работе с вашим автомобилем.
7
Могу ли я сдать упакованный автомобиль в автоматическую мойку?
Мы не рекомендуем механическую мойку автомобилей, ручная мойка безопаснее и тщательнее. Щеточные автомойки могут быть слишком грубыми для пленки, ухудшая ее качество и вызывая отслаивание и приподнятые края. Если на автомойке используется водяной спрей, а не щетки, это должно быть безопасно для большинства обертываний.
8
Можно ли стирать пленку под давлением?
Если вы хотите мыть пленку автомобиля под давлением, поддерживайте давление ниже 2000 фунтов на квадратный дюйм.Используйте распылительную насадку с широким углом распыления 40 градусов и поддерживайте температуру воды ниже 60 градусов. Держите распылительную насадку на расстоянии не менее 40 см. подальше от краев автомобиля.
9
Что делать при разливе топлива?
Немедленно вытрите пролитое топливо, затем вымойте пораженный участок вручную. Если разлив останется на обертке слишком долго, это ухудшит качество винила. Быстрая протирка мокрой бумажной салфеткой на заправке достаточно прилично очистит пораженный топливом участок.
10
Могу ли я изменить забронированную дату для обертывания?
Если вы забронировали автомобиль и внесли залог, вы можете изменить дату оформления только в том случае, если сообщите об этом не менее чем за 3 рабочих дня до запланированной даты.
