机读格式显示(MARC)

• 000 02038cam0 2200373 450

• 001 0000406404

• 005 20220414095300.0

• 010 __ |a 978-7-302-57137-7 |d CNY128.00

• 021 __ |a CN |b 01-2020-4256

• 099 __ |a CAL 012021124824

• 100 __ |a 20211105d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 认知和行为的计算建模 |A ren zhi he xing wei de ji suan jian mo |d Computational modeling of cognition and behavior |f (英)西蒙·法雷尔(Simon Farrell), (英)史蒂芬·勒万多夫斯基(Stephan Lewandowsky)主编 |g 伍海燕, 刘泉影主译 |z eng

• 210 __ |a 北京 |c 清华大学出版社 |d 2021

• 215 __ |a 10, 387页 |c 图 |d 26cm

• 300 __ |a 清华医工 清华医学

• 320 __ |a 有书目（第360-387页）

• 330 __ |a 本书第一部分解释了什么是计算模型，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。在这里我们介绍了最大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，在这部分我们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。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。

• 510 1_ |a Computational modeling of cognition and behavior |z eng

• 606 0_ |a 人工神经网络 |A ren gong shen jing wang luo |x 计算 |x 建立模型

• 690 __ |a TP183 |v 5

• 701 _1 |c (英) |a 法雷尔 |A Faleier |c (Farrell, Simon), |f 1976- |4 主编

• 701 _1 |c (英) |a 勒万多夫斯基 |A le wan duo fu si ji |c (Lewandowsky, Stephan) |4 主编

• 702 _0 |a 伍海燕 |A Wu Haiyan |4 主译

• 702 _0 |a 刘泉影 |A Liu Quanying |4 主译

• 801 _0 |a CN |b ZJUT |c 20211108

• 801 _2 |a CN |b TSU |c 20211110

• 801 _2 |a CN |b PUL |c 20211129

• 905 __ |a XATU |d TP183/147

• 920 __ |a 261060 |z 1

• 998 __ |a ZJUT