Расшифровка на правах категорий: Категории и подкатегории водительских прав в 2023 году

Категории водительских прав в Украине

Сегодня уже трудно представить жизнь современного человека без автомобиля. Машина с нами повсюду: помогает быстро приехать на работу, и вернутся домой, отвезти детей в школу либо садик, проехаться по магазинам за покупками и так далее. Да что там говорить, ездить на автомобиле это большое удовольствие, которое становится неотъемлемой частью жизни человека.

Выбирая непосредственно сам процесс обучения вождению автомобиля, люди задумываются, а какие категории водительских прав есть в Украине на 2015 год, что означают все эти символы на обратной стороне заветного водительского удостоверения и какова расшифровка категорий водительских прав в Украине. Давайте попробуем разобраться с таким важным и интересным вопросом.

Расшифровка категорий водительских прав в Украине на 2015 год

А1 — эта категория, открытая в ваших правах, позволит Вам ездить на таких транспортных средствах, как мопеды. Если обратится к Правилам движения, то мопеды – это двухколесный транспорт, с рабочим объемом двигателя не более 50 сантиметров кубических

А – расшифровка водительских прав такой категории говорит, что с нею вам разрешено управлять такими типами транспортных средств, как мотоцикл (с рабочим объемом более 50 сантиметров кубических), также присутствует уточнение, что мотоциклы могут быть только двухколесными, то есть без коляски, для следующих предусмотрена отдельная категория водительских прав.

В1 – новая категория водительских прав в Украине на 2015 год, расшифровка такой категории подразумевает под собою трех и четырехколесные средства для передвижения с полной массой до 400 килограмм. Это мотоциклы с колясками и квадроциклы.

В – самая удобная и удачная категория водительских прав в Украине, разрешает водить легковые машины и их модификации с полной массой до 3,5 тонн и количеством мест для сиденья 8+1, плюс один означает плюс водитель. Также можно с правами категории B прицепить и буксировать легковой прицеп, который вместе с грузом весит не более 750 килограмм.

С1 – одна из новых категорий в расшифровке водительских прав в Украине на 2015 год. Это грузовые автомобили с полной массой 3,5-7,5 тонн, без прицепа. В таком автомобиле также может быть до 8 пассажирских мест плюс место водителя.

С – все те же условия, что и категория С1, только полная масса такого автомобиля уже может быть более 7, 5 тонн.

D1 – расшифровуетсякак автомобили с количеством мест для сидения от 8 до 16 плюс место водителя. Согласно все тем же Правилам такой транспорт определяется как микроавтобусы. Разрешается также буксировать прицеп до 750 килограмм полной массы.

D – разрешает управлять автобусами, с количеством пассажирских мест более восьми плюс место водителя.

Е – дополнительная категория водительских прав в Украине, которая может комбинироваться с остальными, представляет возможность для буксировки любого типа прицепов полной массой более 750 килограмм.

В завершении хотелось бы также отметить, что расшифровка категорий водительских прав в Украине позволяет получать их в случае с мопедами и мотоциклами с 16 лет, с автомобилями с 18 лет, с автобусами с 21 года. Ну а для получения категории Е вам должно быть не менее 19.

Категории водительских прав: расшифровка

Опубликовано: 22 октября 2019, 18:30

Фото: UGC

Законодательство, которое регулирует обязанности и права тех, кто передвигается по дорогам, описывает возможные категории прав. Закон описывает категории тех или иных прав в более чем 1,5 тыс. слов. Расскажем подробнее о том, как расшифровать с юридического языка категории в водительских правах.

Водительское удостоверение — это официальный документ, который подтверждает факт готовности к управлению определенным средством передвижения. Оно означает, что его обладатель сдал соответствующий государственный экзамен и может быть участником дорожного движения как водитель. В таком удостоверении указана категория.

«Категория» — это термин, которым законодатель описывает тип того или иного транспортного средства, которое имеет право водить обладатель удостоверения.

Действующим законом описано девять категорий прав. Из них четыре обозначены первыми буквами латинского алфавита (А, В, С, D), еще три образованы путем добавления к буквам В, С, D литеры Е. Последняя означает, что к транспортному средству водитель имеет право присоединить прицеп определенного веса.

Оговорено, что вес прицепа не должен быть больше, чем весит само авто без нагрузки. Дополнительную литеру к правам имеет право получить водитель, чей стаж превышает один год.

Еще две категории образованы от заглавной литеры Т с прибавлением строчных m и b. Они означают, что обладатель данных прав может водить общественный транспорт: трамвай (Тm) и троллейбус (Тb).

Перечисленные категории водительских прав делят на шесть подкатегорий. Четыре из них образованы путем добавления к первым заглавным буквам латинского алфавита (А, В, С, D) цифры 1. Еще две имеют в названии две заглавные буквы и цифру 1 (С1Е и D1Е). Как и в описанных выше категориях, Е означает право водителя присоединить к транспортному средству прицеп определенного веса.

Водительские категории обладают приоритетом над подкатегориями. Это означает, что права водителя определенной категории дают возможность управлять средствами передвижения, описанными в законе о подкатегориях.

Так, обладатель прав, с указанием категории А, имеет возможность управлять средствами в подкатегориях А1 и В1, если в них предусмотрена мотоциклетная посадка.

Водитель категории В имеет возможность управлять автосредствами В1 подкатегории, но без мотоциклетных посадки или руля.

Фото: pexels.com: UGC

Для ряда подкатегорий законодательством предусмотрено условие, при котором ими может управлять гражданин, имеющий права определенной категории. Водители — обладатели прав СЕ и DE категорий — получают возможность управлять средствами, которые определены законом к подкатегориям D1E или С1Е, если их водительский опыт превышает срок в один год.

Разнообразие средств и технических характеристик делает описание категорий и подкатегорий разнообразным. Для одних из категорий законодательство за основу берет характеристики скорости и объема или мощности двигателя, для других — вес, а для третьих — количество посадочных мест.

Так, мотоциклы относятся к категории А. А средства (мото-, три- и квадроциклы), чья максимальная скорость до 50 км/ч, а объем их двигателя 125 см³, а также мощностью 11 кВт это уже подкатегория А1. Три- и квадроциклы отнесены к подкатегории В1.

Автомобили названы категорией типа В. Значение имеет не скорость или параметры двигателя, а вес и количество сидячих мест. Последних не может быть больше восьми. Вес авто не должен превышать 3,5 т.

Автомобили свыше указанной массы отнесены к категории С. Обладатель прав данной категории может управлять авто типа внедорожника или грузовика. Категория дает право подсоединить к средству прицеп вес которого 750 кг.

Отдельной подкатегорией (С1) являются машины весом 3,5–7,5 т, не предназначенные для того, чтобы перевозить в них людей. А вот если к подобному авто присоединить прицеп, масса которого превышает норму 750 кг, потребуются права С1Е-подкатегории. Оговорено, что вес всей конструкции не должен превышать 12 т. То же правило действует и по отношению к подкатегории D1Е.

Перевезти от восьми до 16-ти пассажиров в микроавтобусе имеет право обладатель прав, в которых указана категория типа D.

Есть возрастные ограничения на получение удостоверений. Так, например, водить мото-, три- или квадроцикл (подкатегория А1), скорость которых не превышает 50 км/ч, нельзя до 16-ти лет. Лишь спустя два года можно сдать экзамены и получить документ категории А, В или подкатегорий В1, С1.

Управлять троллейбусом или перевозить более восьми пассажиров можно лишь в 25 лет, имея при этом не менее пяти лет стажа за рулем.

Фото: pexels.com: UGC

Категории дают возможность упорядочить порядок предоставления прав водителя. Они описывают условия, на которых можно получить право на управление транспортными средствами, и их типы.

Читайте также: Водительские права: все о процедуре оформления

Оригинал статьи: https://www.nur.kz/leisure/interesting-facts/1823320-kategorii-voditelskih-prav-rassifrovka/

Декодирование слова и пространственно-временных представлений по категориям МЭГ и ЭЭГ

. 2011 14 февраля; 54 (4): 3028-39.

doi: 10.1016/j.neuroimage.2010.10.073. Epub 2010 30 октября.

Александр М Чан ¹ , Эрик Халгрен, Ксения Маринкович, Сидней С. Кэш

принадлежность

• ¹ Медицинская инженерия и медицинская физика, Отдел медицинских наук и технологий Гарвардского Массачусетского технологического института, Кембридж, Массачусетс, США. [email protected]

• PMID: 21040796
• PMCID: PMC3020243
• DOI: 10.1016/j.neuroimage.2010.10.073

Бесплатная статья ЧВК

Александр М. Чан и соавт. Нейроизображение. 2011 .

Бесплатная статья ЧВК

. 2011 14 февраля; 54 (4): 3028-39.

doi: 10.1016/j.neuroimage.2010.10.073. Epub 2010 30 октября.

Авторы

Александр М Чан ¹ , Эрик Халгрен, Ксения Маринкович, Сидней С Кэш

принадлежность

• ¹ Медицинская инженерия и медицинская физика, Гарвардское отделение Массачусетского технологического института медицинских наук и технологий, Кембридж, Массачусетс, США. [email protected]

• PMID: 21040796
• PMCID: PMC3020243
• DOI: 10. 1016/j.neuroimage.2010.10.073

Абстрактный

Об организации и локализации лексико-семантической информации в головном мозге спорят уже много лет. В частности, в исследованиях повреждений и визуализации были предприняты попытки нанести на карту области мозга, представляющие живые и неживые объекты, однако результаты остаются переменными. Частично это может быть связано с тем фактом, что анализ одномерного статистического картирования, используемый для обнаружения этих областей мозга, обычно нечувствителен к малозаметным, но широко распространенным эффектам. С другой стороны, методы декодирования позволяют проводить мощный многомерный анализ многоканальных нейронных данных. В этом исследовании мы используем алгоритмы машинного обучения, чтобы сначала продемонстрировать, что семантическая категория, а также отдельные слова могут быть декодированы из записей ЭЭГ и МЭГ субъектов, выполняющих языковое задание.

Средняя точность 76% (шанс=50%) и 83% (шанс=20%) была получена для декодирования категории живых и неживых или отдельных слов соответственно. Кроме того, мы используем этот анализ декодирования, чтобы продемонстрировать, что представления слов и семантической категории сильно распределены как в пространстве, так и во времени. В частности, двусторонние передневисочные, двусторонние нижнелобные и левые нижневисочно-затылочные сенсоры наиболее важны для различения. Успешное межсубъектное и интермодальное декодирование показывает, что семантические представления между модальностями стимула и индивидуумами достаточно согласованы. Эти результаты свидетельствуют о том, что в экстракраниальной нейронной активности присутствует информация как о словах, так и о категориях, и что эти репрезентации могут быть более распределенными как в пространстве, так и во времени, чем предполагали предыдущие исследования.

Copyright © 2010 Elsevier Inc. Все права защищены.

Цифры

Рисунок 1. Структура декодирования с использованием функции на основе амплитуды…

Рисунок 1. Структура декодирования с использованием извлечения признаков на основе амплитуды и SVM

Амплитуда через 6 постстимулов…

Рисунок 1. Структура декодирования, использующая извлечение признаков на основе амплитуды и SVM.

Амплитуда в 6 моментах времени после стимула выбирается из каждого канала и объединяется в начальный вектор признаков. Векторы признаков из всех каналов объединяются в окончательный вектор признаков. Единственный вектор признаков представляет пространственно-временную динамику одного испытания. Нелинейный SVM обучается на этих векторах признаков, чтобы различать два семантических класса (живые и неживые объекты) или отдельные слова. Это приводит к границе решения, по которой можно классифицировать новые испытания. В случае с несколькими классами генерируются несколько границ решений, чтобы отделить отдельные классы друг от друга.

Рисунок 2. Точность декодирования при различении…

Рисунок 2. Точность декодирования при различении живых и неживых объектов или отдельных слов

…

Рисунок 2. Точность декодирования при различении живых и неживых объектов или отдельных слов

Гистограммы иллюстрируют точность классификатора для каждого субъекта при различении категорий живых и неживых объектов (A–B) или отдельных слов (C–D) после усреднения 5 попыток. Панели-врезки иллюстрируют среднюю точность декодирования в зависимости от количества усредненных попыток. Синий указывает на использование функций ЭЭГ, красный указывает на функции МЭГ, а зеленый указывает на то, что использовались функции как ЭЭГ, так и МЭГ. Как на основном рисунке, так и на вставках случайная точность (0,5 для живых/неживых и 0,2 для отдельных слов) показана горизонтальной черной линией, а точность над пунктирной линией статистически значима (тест перестановки, p

Рисунок 3. Веса классификатора показывают важные времена…

Рисунок 3. Веса классификатора показывают важные моменты времени и местоположения для декодирования

A–B) Вес SVM…

Рисунок 3. Веса классификатора показывают важные моменты времени и места для декодирования.

A–B) Веса SVM классификатора, обученного на категориях живых и неживых объектов в MEG, показывают области существенных различий. Области темно-красного цвета указывают на смещение классификации в сторону неживых объектов, а синим — на смещение в сторону животных и живых объектов. Усредненные веса по всем субъектам показаны в каждый момент времени сенсора для (A) зрительных и (B) слуховых задач. Двусторонние передние височные и нижние лобные различия видны через 400–600 мс как во время задач SV, так и SA (белые стрелки). Левые височно-затылочные различия, показывающие более сильные реакции на объекты, проявляются на 200 мс (красные стрелки), а различия, показывающие более сильные реакции на живые объекты, проявляются на 400–700 мс в обеих модальностях (черные стрелки). C–D) В каждой точке датчика времени показана дисперсия весов SVM, что указывает на относительную важность каждого признака при различении отдельных слов. Признаки с большей дисперсией указывают на большее разделение весов SVM в этом конкретном измерении и коррелируют с повышенной способностью к различению. C) Внечерепные веса из задачи SV указывают на затылочную значимость около 300–400 мс (черные стрелки) и нижнюю временную значимость в несколько раз (белые стрелки). D) Веса из задачи SA показывают двустороннюю передневисочную и нижнюю лобную значимость в диапазоне 250–450 мс (белые стрелки) и нижнюю затылочную значимость в 300 и 500 мс (черная стрелка). Нижняя теменная значимость также видна с 350–400 мс (синяя стрелка).

Рисунок 4. Матрицы путаницы при декодировании отдельных слов

Рисунок 4. Матрицы путаницы при декодировании отдельных слов

A) Усредненные матрицы путаницы для декодирования всех 10…

Рисунок 4. Матрицы путаницы при декодировании отдельных слов

A) Усредненные матрицы путаницы для декодирования всех 10 отдельных слов (усреднение 5 попыток) указывают типы допущенных ошибок. По вертикальной оси отображается фактическое слово-стимул, а по горизонтальной оси — слово, предсказанное классификатором. Цвета в любом заданном ряду ( фактическое слово ) указывают долю попыток этого слова, которые были классифицированы как каждый из возможных вариантов ( предсказанных слов ). Диагональные элементы отображают правильно классифицированные испытания. Слова сортируются на маленькие и большие объекты (разделенные черными линиями), а также на живые и неживые категории (синий и красный текст). Эти матрицы демонстрируют значительную способность декодировать отдельные слова без учета больших/малых условий. B) Показана степень путаницы внутри и между категориями для различий между большими/малыми и живыми/неживыми объектами. Во всех случаях уровень путаницы между категориями статистически ниже, чем уровень путаницы внутри каждой категории.

Рисунок 5. Интермодальность и межпредметная классификация показывают…

Рисунок 5. Интермодальная и межпредметная классификация показывает согласованность представления слов и категорий

Точность интермодальности…

Рисунок 5. Интермодальность и межпредметная классификация показывают согласованность представления слов и категорий.

Точность интермодального и межпредметного декодирования показана после усреднения 10 попыток. Вероятностная точность показана сплошной горизонтальной линией, а статистически значимый порог показан пунктирной линией (тест перестановки, p

Рисунок 6. Декодирование иерархического дерева улучшает классификацию…

Рисунок 6. Декодирование иерархического дерева повышает эффективность классификации

Использовался трехуровневый иерархический древовидный декодер…

Рисунок 6. Декодирование иерархического дерева повышает эффективность классификации

Трехуровневый иерархический древовидный декодер использовался для декодирования сначала большого/малого различия (с использованием амплитудных и спектральных характеристик), затем категории живых/неживых объектов (с использованием амплитудных характеристик 200–700 мс) и, наконец, отдельного слова ( с использованием характеристик амплитуды 250–500 мс). Показаны данные декодирования задачи SA (данные задачи SV показаны на дополнительном рисунке S3). A) Средние значения точности на каждой ветви дерева показаны соответствующими цветами. Точность остается выше 80% для всех ветвей. B) Точность на каждом уровне декодера показана для каждого субъекта пунктирными линиями, указывающими на случайную точность. C) Совокупная точность на каждом уровне уменьшается по мере распространения ошибок по уровням дерева, но остается выше 60%. D) Производительность иерархического дерева значительно улучшилась (ранг знака Уилкоксона, стр. 9).0003

См. это изображение и информацию об авторских правах в PMC

Похожие статьи

• Расшифровка значения бессознательно обработанных слов с использованием MVPA на основе фМРТ.

  Шейх Ю.А., Каррейрас М., Сото Д. Шейх Ю.А. и др. Нейроизображение. 2019 1 мая; 191:430-440. doi: 10.1016/j.neuroimage.2019.02.010. Epub 2019 21 февраля. Нейроизображение. 2019. PMID: 30797072

• Декодирование пространственно-временной динамики восприятия зрительных категорий на основе МЭГ.

  ван де Ньювенхайзен М.Е., Бэкус А.Р., Бахрамишариф А., Доллер С.Ф., Дженсен О., ван Гервен М.А. van de Nieuwenhuijzen ME, et al. Нейроизображение. 2013 Декабрь; 83: 1063-73. doi: 10.1016/j.neuroimage.2013.07.075. Epub 2013 6 августа. Нейроизображение. 2013. PMID: 23927900

• Многомерный анализ паттернов выявляет связанную с категориями организацию семантических представлений в передней височной коре.

  Мэлоун П.С., Глезер Л.С., Ким Дж., Цзян Х., Ризенхубер М. Мэлоун П. С. и др. Дж. Нейроски. 2016 28 сентября; 36 (39): 10089-96. doi: 10.1523/JNEUROSCI.1599-16.2016. Epub 2016 28 сентября. Дж. Нейроски. 2016. PMID: 27683905 Бесплатная статья ЧВК.

• «Нейронное перекрытие семантических представлений L1 и L2 в визуальных и слуховых модальностях: подход к декодированию».

  Ван де Путт Э., Де Бэне В., Прайс СиДжей, Дайк В. Ван де Путт Э. и др. Нейропсихология. 2018 Май; 113:68-77. doi: 10.1016/j.neuropsychologia.2018.03.037. Epub 2018 29 марта. Нейропсихология. 2018. PMID: 29605594 Бесплатная статья ЧВК.

• Пространственно-временная конвергенция семантической обработки при чтении и восприятии речи.

  Вартиайнен Дж., Парвиайнен Т., Салмелин Р. Вартиайнен Дж. и соавт. Дж. Нейроски. 2009 22 июля; 29 (29): 9271-80. doi: 10.1523/JNEUROSCI.5860-08.2009. Дж. Нейроски. 2009. PMID: 19625517 Бесплатная статья ЧВК.

Посмотреть все похожие статьи

Цитируется

• РОЗА: нейровычислительная архитектура синтаксиса.

  Мерфи Э. Мерфи Э. ArXiv. 2023, 15 марта: arXiv: 2303.08877v1. Препринт. ArXiv. 2023. PMID: 36994166 Бесплатная статья ЧВК.

• Дифференциальное задействование процессов торможения путем направленного забывания и замещения мыслей.

  Хаббард Р.Дж., Саакян Л. Хаббард Р.Дж. и др. Дж. Нейроски. 2023 15 марта; 43(11):1963-1975. doi: 10.1523/JNEUROSCI.0696-22. 2023. Epub 2023 21 февраля. Дж. Нейроски. 2023. PMID: 36810228

• Понимание концепций действий из видео и мозговой активности на основе консенсуса испытуемых.

  Кавацца Дж., Ахмед В., Вольпи Р., Морерио П., Босси Ф., Виллемсе С., Выковска А., Мурино В. Кавацца Дж. и др. Научный представитель 2022 9 ноября; 12 (1): 19073. doi: 10.1038/s41598-022-23067-2. Научный представитель 2022. PMID: 36351956 Бесплатная статья ЧВК.

• Временной ход языкового производства, выявленный классификацией шаблонов данных датчика МЭГ.

  Карота Ф., Шоффелен Дж.М., Остенвельд Р., Индефри П. Карота Ф. и др. Дж. Нейроски. 2022 20 июля; 42 (29): 5745-5754. doi: 10.1523/JNEUROSCI.1923-21. 2022. Epub 2022 9 июня. Дж. Нейроски. 2022. PMID: 35680410 Бесплатная статья ЧВК.

• Категоризация объектов из сигналов MEG с использованием EEGNet.

  Ши Р., Чжао И., Цао З., Лю С., Кан И., Чжан Дж. Ши Р и др. Когнин Нейродин. 2022 апр; 16 (2): 365-377. doi: 10.1007/s11571-021-09717-7. Epub 2021 17 сентября. Когнин Нейродин. 2022. PMID: 35401863 Бесплатная статья ЧВК.

Просмотреть все статьи «Цитируется по»

Типы публикаций

термины MeSH

Грантовая поддержка

• R01 NS018741/NS/NINDS NIH HHS/США
• R01 NS018741-27/NS/NINDS NIH HHS/США
• NS18741/NS/NINDS NIH HHS/США

Полнотекстовые ссылки

Эльзевир Наука Бесплатная статья ЧВК

Процитируйте

Формат: ААД АПА МДА НЛМ

Отправить на

Декодирование «нас» и «их»: нейронные представления обобщенных групповых понятий

. 2017 май; 146(5):621-631.

дои: 10.1037/xge0000287.

Мина Сикара ¹ , Джей Джей Ван Бавел ² , Захари А. Ингбретсен ¹ , Татьяна Лау ¹

Принадлежности

• ¹ Факультет психологии Гарвардского университета.
• ² Факультет психологии Нью-Йоркского университета.

• PMID: 28459261
• DOI: 10.1037/xge0000287

Мина Цикара и др. J Exp Psychol Gen. 2017 май.

. 2017 май; 146(5):621-631.

дои: 10.1037/xge0000287.

Авторы

Мина Сикара ¹ , Джей Джей Ван Бавел ² , Захари А. Ингбретсен ¹ , Татьяна Лау ¹

Принадлежности

• ¹ Факультет психологии Гарвардского университета.
• ² Факультет психологии Нью-Йоркского университета.

• PMID: 28459261
• DOI: 10. 1037/xge0000287

Абстрактный

Люди образуют социальные коалиции в каждом обществе на земле, но мы очень мало знаем о том, как общие понятия «мы» и «они» представлены в мозгу. Психологи-эволюционисты утверждали, что человеческая способность к групповому членству является побочным продуктом адаптации, которая развилась для отслеживания коалиций в целом. Эти теории предполагают, что люди обладают общим нейронным кодом для понятий «внутригруппа» и «внегруппа», независимо от категории, с помощью которой устанавливаются групповые границы. Авторы использовали анализ многовоксельных паттернов для идентификации нейронных субстратов представлений обобщенных групповых понятий. Они обучили классификатор кодировать то, как люди представляли самые основные экземпляры конкретной социальной группы (т. е. произвольные команды, созданные в лаборатории без истории взаимодействия или связанных стереотипов), и проверили, насколько хорошо нейронные данные декодировали принадлежность к объективно ортогональной, категория реального мира (например, политические партии). Дорсальная передняя поясная кора / средняя поясная кора и передняя островковая доля были связаны с представлением групп по нескольким социальным категориям. Ограничив анализ этими областями в отдельной выборке участников, выполняющих явную задачу категоризации, авторы воспроизвели классификацию перекрестной категоризации в передней части островка. Точность классификации по категориям была обусловлена ​​преимущественно правильной категоризацией внутригрупповых целей, что согласуется с теориями, указывающими на то, что предпочтение внутри группы важнее, чем отступление от группы вне группы, для группового восприятия и познания. Эти результаты подчеркивают, в какой степени концепции социальных групп зависят от общей схемы домена, связанной с кодированием функционального значения стимулов. (Запись базы данных PsycINFO

(c) APA 2017 г., все права защищены).

Похожие статьи

• Обучение социальной структуре в передней части островка человека.

  Лау Т., Гершман С.Дж., Цикара М. Лау Т. и др. Элиф. 2020 18 февраля; 9: e53162. doi: 10.7554/eLife.53162. Элиф. 2020. PMID: 32067635 Бесплатная статья ЧВК.

• Отдельные нервные процессы участвуют в модуляции мимикрии членством в социальной группе и эмоциональными выражениями.

  Раухбауэр Б., Майданджич Дж., Хаммер А., Виндишбергер К., Ламм К. Раухбауэр Б. и соавт. кора. 2015 сен;70:49-67. doi: 10.1016/j.cortex.2015.03.007. Epub 2015 20 марта. кора. 2015. PMID: 25929599

• Диссоциируемые нейронные корреляты стереотипов и других форм семантического знания.

  Контрерас Дж. М., Банаджи М. Р., Митчелл Дж. П. Контрерас Дж. М. и соавт. Soc Cogn влияет на нейроны. 2012 окт; 7 (7): 764-70. doi: 10.1093/scan/nsr053. Epub 2011 9 сентября. Soc Cogn влияет на нейроны. 2012. PMID: 21908447 Бесплатная статья ЧВК.

• Декодирование конкретных и абстрактных представлений о действиях во время явной и неявной концептуальной обработки.

  Вурм М.Ф., Ариани Г., Гринли М.В., Лингнау А. Вурм М.Ф. и соавт. Кора головного мозга. 2016 авг; 26 (8): 3390-3401. doi: 10.1093/cercor/bhv169. Epub 2015 28 июля. Кора головного мозга. 2016. PMID: 26223260

• Декодирование нейронных представлений о себе и знаниях человека с помощью многомерного анализа паттернов и подходов, основанных на данных.

  Вагнер Д.Д., Чавес Р.С., Брум Т.