Likelihood-Free Methods for Cognitive Science

این کتاب پایه و اساس محاسبات بیزی تقریبی (ABC) را توضیح می‌دهد، رویکردی به استنتاج بیزی که به مشخص کردن تابع درستنمایی نیاز ندارد. در نتیجه، ABC می تواند برای تخمین توزیع های بعدی پارامترها برای مدل های مبتنی بر شبیه سازی استفاده شود. مدل‌های مبتنی بر شبیه‌سازی در حال حاضر در علوم شناختی بسیار محبوب هستند، همانطور که روش‌های بیزی برای انجام استنتاج پارامتر. به این ترتیب، پیشرفت‌های اخیر تکنیک‌های بدون احتمال پیشرفت مهمی برای این رشته است.

فصل‌ها درباره فلسفه استنتاج بیزی بحث می‌کنند و همچنین چندین الگوریتم برای اجرای ABC ارائه می‌کنند. فصل‌ها همچنین برخی از الگوریتم‌ها را به صورت آموزشی با یک کاربرد خاص در مدل Minerva 2 اعمال می‌کنند. علاوه بر این، این کتاب چندین کاربرد روش ABC را برای مشکلات اخیر در علوم شناختی مورد بحث قرار می‌دهد.

روش‌های بدون احتمال برای علوم شناختی برای محققان و دانشجویان فارغ‌التحصیل که در این زمینه کار می‌کنند مورد توجه خواهد بود. علوم تجربی، کاربردی و شناختی.

This book explains the foundation of approximate Bayesian computation (ABC), an approach to Bayesian inference that does not require the specification of a likelihood function. As a result, ABC can be used to estimate posterior distributions of parameters for simulation-based models. Simulation-based models are now very popular in cognitive science, as are Bayesian methods for performing parameter inference. As such, the recent developments of likelihood-free techniques are an important advancement for the field.

Chapters discuss the philosophy of Bayesian inference as well as provide several algorithms for performing ABC. Chapters also apply some of the algorithms in a tutorial fashion, with one specific application to the Minerva 2 model. In addition, the book discusses several applications of ABC methodology to recent problems in cognitive science.

Likelihood-Free Methods for Cognitive Science will be of interest to researchers and graduate students working in experimental, applied, and cognitive science.