생체역학적 모델은 종종 알려져 있으나 복잡한 비선형 함수에 대해 매개변수 추정과 선택이 필요하다. 머리-목 자세 위치 추적 시스템(head-neck position tracking system)으로부터의 데이터가, 생체역학적 모델 중 하나에서, 시간에 따라 변하는 곱셈 형태의 오차를 보인다는 점을 관찰하게 되어 동기가 부여되어, 수정된 페널화 가중 최소제곱 추정기를 개발한다. 제안된 방법은 시간에 따라 변하는 영(0)이 아닌 평균의 가법적 오차를 갖는 모델에도 적용될 수 있다. 제안된 추정기의 점근적 성질은 가중 행렬 및 오차 과정에 대한 완화된 조건 하에서 조사된다. 시뮬레이션 연구는 제안된 추정이 시간에 따라 변하는 오차를 고려할 때 매개변수의 추정 및 선택 모두에서 잘 작동함을 보여준다. 또한 머리-목 자세 위치 추적 데이터에 대해 기존 방법과의 분석 및 비교를 통해, 제안된 방법이 분산 설명률(VAF) 측면에서 더 나은 성능을 나타냄을 확인한다.

지각적 결정에 대한 교정 피드백은 향후 선택을 개선하기 위해 의사결정 전략을 조정하는 데 필수적이다. 그러나 이전 자극과 선택과 같은 다른 의사결정 구성요소들과의 복잡한 상호작용은, 교정 피드백이 이후의 결정에 어떻게 영향을 미치는지에 대한 원리적 설명을 어렵게 만든다. 동물 행동에 기초하고 인간의 지각적 의사결정에도 확장된 한 가지 인기 있는 접근법은 ‘강화 학습(reinforcement learning)’을 사용하며, 이는 보상 기반 의사결정에서 성공이 입증된 원리이다. 이 접근법의 핵심 아이디어는, 의사결정자가 지각 과제에 참여하고 있음에도 불구하고 교정 피드백을 학습 대상으로서 선택의 가치(choice values)를 형성하는 보상으로 취급한다는 점이다. 본 연구에서는 이에 대한 대안적 아이디어를 탐구하는데, 인간이 지각적 결정에 대한 교정 피드백을 자신의 선택에 대한 보상으로서가 아니라 실제 세계의 상태에 대한 증거로 간주한다는 것이다. 동일한 학습 플랫폼에서 ‘피드백-으로서-보상(feedback-as-reward)’ 및 ‘피드백-으로서-증거(feedback-as-evidence)’ 가설을 구현함으로써, 교정 피드백이 과거 자극과 선택뿐 아니라 의사결정 전략을 조정하는 방식을 설명함에 있어 후자가 전자를 능가함을 보였다. 본 연구는 인간이 지각적 의사결정 과정에서 교정 피드백을 통해 자신의 선택 가치가 아니라 환경에서 실제로 일어난 일에 대해 학습한다는 점을 시사한다.