دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: روانشناسی ویرایش: 1 نویسندگان: David Danks سری: ISBN (شابک) : 0262027992, 9780262027991 ناشر: The MIT Press سال نشر: 2014 تعداد صفحات: 300 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Unifying the Mind: Cognitive Representations as Graphical Models به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب متحد کردن ذهن: بازنمایی های شناختی به عنوان مدل های گرافیکی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تفکر معمولی و روزمره ما به طیف حیرت انگیزی از فعالیت های شناختی نیاز دارد، با این حال به نظر می رسد شناخت ما یکپارچه انجام می شود. ما بین فرآیندهای شناختی به راحتی حرکت می کنیم و به نظر می رسد انواع مختلف شناخت به راحتی اطلاعات را به اشتراک می گذارند. در این کتاب، دیوید دانکس یک معماری شناختی بدیع را پیشنهاد می کند که می تواند تا حدی دو جنبه از شناخت انسان را توضیح دهد: ماهیت نسبتاً یکپارچه آن و توانایی بی دردسر ما برای تمرکز بر عوامل مرتبط در هر موقعیت خاص. دانکس استدلال می کند که هر دوی این ویژگی های شناخت به طور طبیعی توضیح داده می شوند اگر بسیاری از بازنمایی های شناختی ما مانند مدل های گرافیکی ساختار یافته باشند.
چارچوب محاسباتی مدلهای گرافیکی بهطور گسترده در یادگیری ماشینی استفاده میشود، اما Danks اولین کسی است که یک گزارش کامل از استفاده از آن برای تجزیه و تحلیل حوزههای مختلف شناخت ارائه میکند. دانکس سودمندی این رویکرد را با تفسیر مجدد انواع نظریه های شناختی از نظر مدل های گرافیکی نشان می دهد. او نشان میدهد که چگونه میتوانیم بسیاری از شناخت خود را درک کنیم - به ویژه یادگیری علی، شناختی که شامل مفاهیم و تصمیمگیری است - از طریق دریچه مدلهای گرافیکی، بنابراین طیفی از دادههای آزمایشها و دروننگری را روشن میکند. علاوه بر این، دانکس نقش مهمی را که بازنماییهای شناختی در درک یکپارچه از شناخت ایفا میکند، نشان میدهد، و استدلال میکند که بسیاری از شناخت ما را میتوان در قالب فرآیندهای شناختی مختلف که بر روی مجموعهای از بازنماییهای شناختی مشترک عمل میکنند، توضیح داد. حساب دانکس از نظر ریاضی قابل دسترسی است و بر جنبههای کیفی مدلهای گرافیکی تمرکز دارد و جزئیات ریاضی رسمی را در متن جدا میکند.
Our ordinary, everyday thinking requires an astonishing range of cognitive activities, yet our cognition seems to take place seamlessly. We move between cognitive processes with ease, and different types of cognition seem to share information readily. In this book, David Danks proposes a novel cognitive architecture that can partially explain two aspects of human cognition: its relatively integrated nature and our effortless ability to focus on the relevant factors in any particular situation. Danks argues that both of these features of cognition are naturally explained if many of our cognitive representations are understood to be structured like graphical models.
The computational framework of graphical models is widely used in machine learning, but Danks is the first to offer a book-length account of its use to analyze multiple areas of cognition. Danks demonstrates the usefulness of this approach by reinterpreting a variety of cognitive theories in terms of graphical models. He shows how we can understand much of our cognition -- in particular causal learning, cognition involving concepts, and decision making -- through the lens of graphical models, thus clarifying a range of data from experiments and introspection. Moreover, Danks demonstrates the important role that cognitive representations play in a unified understanding of cognition, arguing that much of our cognition can be explained in terms of different cognitive processes operating on a shared collection of cognitive representations. Danks's account is mathematically accessible, focusing on the qualitative aspects of graphical models and separating the formal mathematical details in the text.