Computational Modeling of Cognition and Behavior 在线电子书 图书标签: 认知科学  认知建模  统计学  计算机建模  数据处理  神经意识（BrainMind）  Psychology  Psychologia   

喜欢 Computational Modeling of Cognition and Behavior 在线电子书 的读者还喜欢

• 
  Doing Bayesian Data Analysis, Second Edition 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  Phonetic Data Analysis 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  当代语言哲学导论 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  Writing Science 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  Network Science 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  Statistical Rethinking 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  Information Theory, Inference and Learning Algorithms 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  认知神经科学 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  An Introduction to Statistical Learning 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载
• 
  Speech and Language Processing, 2nd Edition 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载

非常好的一本入门书籍。编排格外地有逻辑，明显是为入门者打造的，一步一步教导你如何在自己的研究当中应用这些模型。比如RL里介绍了最常用的SARSA和eligibility traces。并且里面的jags代码也挺实用的，老实说心理学领域里绝大多数文章的模型都比较简单的，很多情况这里面的jags的代码改一改都可以直接用了hhh。不足之处可能就是这本书本质上偏入门，介绍的模型不是很多。作者里有很多都是做的sequential sampling model的，对这类模型介绍的比较多，其他模型涉及较少。虽然参数推断里有很大篇幅是介绍贝叶斯方法的，但是第三章对在感知觉领域里应用很多的贝叶斯模型并没有介绍。

非常好的一本入门书籍。编排格外地有逻辑，明显是为入门者打造的，一步一步教导你如何在自己的研究当中应用这些模型。比如RL里介绍了最常用的SARSA和eligibility traces。并且里面的jags代码也挺实用的，老实说心理学领域里绝大多数文章的模型都比较简单的，很多情况这里面的jags的代码改一改都可以直接用了hhh。不足之处可能就是这本书本质上偏入门，介绍的模型不是很多。作者里有很多都是做的sequential sampling model的，对这类模型介绍的比较多，其他模型涉及较少。虽然参数推断里有很大篇幅是介绍贝叶斯方法的，但是第三章对在感知觉领域里应用很多的贝叶斯模型并没有介绍。

非常好的一本入门书籍。编排格外地有逻辑，明显是为入门者打造的，一步一步教导你如何在自己的研究当中应用这些模型。比如RL里介绍了最常用的SARSA和eligibility traces。并且里面的jags代码也挺实用的，老实说心理学领域里绝大多数文章的模型都比较简单的，很多情况这里面的jags的代码改一改都可以直接用了hhh。不足之处可能就是这本书本质上偏入门，介绍的模型不是很多。作者里有很多都是做的sequential sampling model的，对这类模型介绍的比较多，其他模型涉及较少。虽然参数推断里有很大篇幅是介绍贝叶斯方法的，但是第三章对在感知觉领域里应用很多的贝叶斯模型并没有介绍。

虽然在认知科学的领域通过使用数学与统计模型进行计算机模拟各类认知功能的研究已有相当历史，相应论文和书籍也有一些，不难找到类似《Bayesian Cognitive Modeling A Practical Course》这样详细介绍某一具体取向的好书，又或是《The Oxford Handbook of Computational and Mathematical Psychology》这样的综述集，但在计算机建模的大主题下进行全面系统指导的教科书至今仍屈指可数，尤其对比CS专业井喷式的学习教材。由于同类教科书少，此书算得上标杆，第二版的内容新添和重新编排做的非常好，除了很好的介绍了基本概念和方法，最值得推荐的是作者邀请各篇章主题的专家写短评，棒，比较可惜的是缺乏诸如机器学习之类的前沿内容。

非常好的一本入门书籍。编排格外地有逻辑，明显是为入门者打造的，一步一步教导你如何在自己的研究当中应用这些模型。比如RL里介绍了最常用的SARSA和eligibility traces。并且里面的jags代码也挺实用的，老实说心理学领域里绝大多数文章的模型都比较简单的，很多情况这里面的jags的代码改一改都可以直接用了hhh。不足之处可能就是这本书本质上偏入门，介绍的模型不是很多。作者里有很多都是做的sequential sampling model的，对这类模型介绍的比较多，其他模型涉及较少。虽然参数推断里有很大篇幅是介绍贝叶斯方法的，但是第三章对在感知觉领域里应用很多的贝叶斯模型并没有介绍。