توضیحات
An introduction to computational modeling for cognitive neuroscientists, covering both foundational work and recent developments.
Cognitive neuroscientists need sophisticated conceptual tools to make sense of their fields proliferation of novel theories, methods, and data. Computational modeling is such a tool, enabling researchers to turn theories into precise formulations. This book offers a mathematically gentle and theoretically unified introduction to modeling cognitive processes. Theoretical exercises of varying degrees of difficulty throughout help readers develop their modeling skills.
After a general introduction to cognitive modeling and optimization, the book covers models of decision making; supervised learning algorithms, includingHebbian learning, delta rule, and backpropagation; the statistical model analysis methods of model parameter estimation and model evaluation; the three recent cognitive modeling approaches of reinforcement learning, unsupervised learning, and Bayesian models; and models of social interaction. All mathematical concepts are introduced gradually, with no background in advanced topics required. Hints and solutions for exercises and a glossary follow the main text. All code in the book is Python, with the Spyder editor in the Anaconda environment.A GitHub repository with Python files enables readers to access the computer code used and start programming themselves.The book is suitable as an introduction to modeling cognitive processes for students across a range of disciplines and as a reference for researchers interested in a broad overview.
————————————————————–
ترجمه ماشینی :
مقدمهای بر مدلسازی محاسباتی برای دانشمندان علوم اعصاب شناختی، که هم کار بنیادی و هم پیشرفتهای اخیر را پوشش میدهد.
عصبشناسان شناختی به ابزارهای مفهومی پیچیدهای نیاز دارند تا زمینههای خود را گسترش دهند و نظریههای جدید را درک کنند. روش ها و داده ها مدلسازی محاسباتی چنین ابزاری است که محققان را قادر میسازد تا نظریهها را به فرمولبندیهای دقیق تبدیل کنند. این کتاب یک مقدمه ریاضی ملایم و از لحاظ نظری یکپارچه برای مدلسازی فرآیندهای شناختی ارائه میدهد. تمرینهای نظری با درجههای مختلف دشواری به خوانندگان کمک میکند تا مهارتهای مدلسازی خود را توسعه دهند.
پس از مقدمهای کلی بر مدلسازی شناختی و بهینهسازی، این کتاب مدلهای تصمیمگیری را پوشش میدهد. الگوریتم های یادگیری تحت نظارت، از جمله یادگیری هبی، قانون دلتا، و انتشار پس زمینه. روشهای تحلیل مدل آماری تخمین پارامتر مدل و ارزیابی مدل. سه رویکرد مدلسازی شناختی اخیر یادگیری تقویتی، یادگیری بدون نظارت و مدلهای بیزی. و مدل های تعامل اجتماعی همه مفاهیم ریاضی به تدریج و بدون نیاز به پیش زمینه در موضوعات پیشرفته معرفی می شوند. نکات و راه حل برای تمرین ها و واژه نامه متن اصلی را دنبال کنید. تمام کدهای این کتاب پایتون است، با ویرایشگر Spyder در محیط آناکوندا. یک مخزن GitHub با فایل های پایتون خوانندگان را قادر می سازد تا به کد کامپیوتر استفاده شده دسترسی داشته باشند و خودشان شروع به برنامه نویسی کنند. این کتاب به عنوان مقدمه ای برای مدل سازی فرآیندهای شناختی برای دانش آموزان در سراسر جهان مناسب است. طیف وسیعی از رشته ها و به عنوان مرجعی برای محققان علاقه مند به یک مرور کلی.
tag : دانلود کتاب مقدمه ای بر مدل سازی فرآیندهای شناختی , Download مقدمه ای بر مدل سازی فرآیندهای شناختی , دانلود مقدمه ای بر مدل سازی فرآیندهای شناختی , Download Introduction to Modeling Cognitive Processes Book , مقدمه ای بر مدل سازی فرآیندهای شناختی دانلود , buy مقدمه ای بر مدل سازی فرآیندهای شناختی , خرید کتاب مقدمه ای بر مدل سازی فرآیندهای شناختی , دانلود کتاب Introduction to Modeling Cognitive Processes , کتاب Introduction to Modeling Cognitive Processes , دانلود Introduction to Modeling Cognitive Processes , خرید Introduction to Modeling Cognitive Processes , خرید کتاب Introduction to Modeling Cognitive Processes ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.