认知和行为的计算建模

本书涵盖了以下四个主 题。第一部分解释了什么是 计算模型，全面概述了用于 理解人类行为的模型，探讨 了如何将理论叙述转化为模 拟代码，并阐述了理解建模 所需的各种概念。第二部分 探究了计算模型的一种应用 ——参数估计。通过将模型 拟合到数据，可以从所得的 参数估计值以及有关生成这 些数据的一种或多种心理机 制或表征的叙述中进行推断 。在这里介绍了**似然估计 和贝叶斯估计，包括跨多个 被试估计和分层估计。第三 部分探讨了如何使用模型比 较进行推论，讨论了从数据 中得出充分性和必要性结论 的条件，以及如何概念化和 量化模型的复杂性。本部分 探究了几种解决模型比较复 杂的方法，包括信息标准和 贝叶斯因素。第四部分讨论 了计算建模在推进心理学理 论研究中的作用。探究了如 何使用模型作为推理的辅助 手段以及人类与人工智能之 间的相互作用，以引导理论 化和概念性见解的产生。以 及计算模型如何作为一种用 于研究者之间达成共识（即 使用模型作为通用的参考术 语）的工具，如何将其应用 于交流和共享模型。最后， 介绍了计算模型在神经网络 模型、选择反应时间模型以 及模型在理解神经数据中的 应用。

\\\"伍海燕，博士，硕士生导师。中国科学院心理研究所副研究员，中国认知科学学会社会认知科学分会理事。2013年6月博士毕业北京师范大学脑与认知国家重点实验室所认知神经科学专业。后就职于中国科学院心理所研究所，美国加州理工学院访问学者/博士后。 目前作为项目负责人主持或者完成了超过5项研究课题，其中国家级课题2项。 她主要研究方向为社会决策中的计算神经机制、焦虑与情绪加工、心理生理信号处理及其心理学应用。目前已发表超过40篇SCI, SSCI研究论文。\\\"

第一部分 数学建模的简介 1 导论 1.1 科学中的模型和理论 1.2 认知中的定量建模 1.2.1 模型和数据 1.2.2 数据描述 1.2.3 认知过程模型 1.3 潜在的问题：范围和可证伪性 1.4 建模作为一种对科学家的认知辅助 1.5 实例 2 从文字描述到数学模型：建立工具集 2.1 快速选择任务中的反应时间 2.2 展开模拟 2.2.1 初步了解：R和RStudio 2.2.2 随机游走模型 2.2.3 直觉与计算：探索随机游走的预测 2.2.4 随机游走模型中的试次间的变异性 2.2.5 顺序采样模型家族 2.3 基础工具包 2.3.1 参数 2.3.2 连接模型和数据 2.4 实例 第二部分 参数估计 3 基本参数估计技术 3.1 差异函数 3.1.1 均方根误差 3.1.2 卡方检验法（χ2） 3.2 模型与数据的拟合：参数估计技术 3.3 在线性回归模型背景下介绍最小二乘法 3.3.1 建模的可视化 3.3.2 回归参数估计 3.4 黑箱内部：参数估计技术 3.4.1 单纯形法 3.4.2 模拟退火法 3.4.3 参数估计技术的相对优点 3.5 参数估计的变异性（variability） 3.6 实例 4 最大似然参数估计 4.1 概率基础 4.1.1 概率的定义 4.1.2 概率的特性 4.1.3 概率函数 4.2 什么是似然（likelihood） 4.3 定义概率分布 4.3.1 由心理模型的概率函数 4.3.2 基于数据模型的概率函数 4.3.3 概率函数的两种类型 4.3.4 扩展数据模型 4.3.5 扩展到多个数据点和多个参数 4.4 寻找最大似然