之间人工神经网络和心理学相似
人工神经网络和心理学有(在联盟百科)9共同点: 人工智能,唐纳德·赫布,線性回歸,统计学,联结主义,計算神經科學,認知心理學,认知科学,数学模型。
人工智能
人工智能(Artificial Intelligence, AI)亦稱機器智能,是指由人製造出來的機器所表現出來的智能。通常人工智能是指通過普通電腦程式的手段實現的人類智能技術。該詞也指出研究這樣的智能系統是否能夠實現,以及如何實現科學領域。同時如此,人類的數量開始收斂及功能逐漸被其取代。 一般教材中的定义领域是“智能主体(intelligent agent)的研究与设计”,智能主体是指一个可以观察周遭环境并作出行动以达致目标的系统。约翰·麦卡锡于1955年的定义是「制造智能机器的科学与工程。」 人工智能的研究是高度技术性和专业的,各分支领域都是深入且各不相通的,因而涉及範圍極廣。人工智能的研究可以分为几个技术问题。其分支领域主要集中在解决具体问题,其中之一是,如何使用各种不同的工具完成特定的应用程序。 AI的核心问题包括建構能夠跟人類似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。強人工智能目前仍然是该领域的长远目标。目前強人工智慧已經有初步成果,甚至在一些影像辨識、語言分析、棋類遊戲等等單方面的能力達到了超越人類的水平,而且人工智慧的通用性代表著,能解決上述的問題的是一樣的AI程式,無須重新開發算法就可以直接使用現有的AI完成任務,與人類的處理能力相同,但達到具備思考能力的統合強人工智慧還需要時間研究,比较流行的方法包括统计方法,计算智能和传统意义的AI。目前有大量的工具应用了人工智能,其中包括搜索和数学优化、逻辑推演。而基於仿生學、認知心理學,以及基于概率论和经济学的演算法等等也在逐步探索當中。.
人工智能和人工神经网络 · 人工智能和心理学 ·
唐纳德·赫布
唐纳德·赫布,FRS(Donald Olding Hebb,),加拿大心理学家,在神经心理学领域有重要贡献,致力于研究神经元在心理过程中的作用。他被认为是神经心理学与神经网络之父。 赫布出生于加拿大新斯科舍省切斯特(Chester)。曾就读于戴尔豪斯大学并于1925年获文学士学位。毕业后回家乡中学教书。后来他对西格蒙德·弗洛伊德、威廉·詹姆士、约翰·华生等人的著作产生兴趣,并于1928年进入麦吉尔大学心理学系,成为一名在职研究生。在这里他阅读了查尔斯·谢灵顿、伊万·巴甫洛夫等人的作品,并以优等成绩毕业。1934年进入芝加哥大学学习,师从行为主义心理学家卡尔·拉什利(Karl Lashley)。后跟随拉什利前往哈佛大学,并于1936年获博士学位。 1937年他返回加拿大,在蒙特利尔神经科学研究所(Montreal Neurological Institute)与神经科学家怀尔德·彭菲尔德(Wilder Penfield)一同从事研究。1939年赴女王大学任教。在这里他与肯内特·威廉姆斯(Kenneth Williams)一同发明了用来测试老鼠智力的赫布-威廉姆斯迷宫(Hebb-Williams maze),并证明了“老鼠幼年时期的经历对其成年后解决问题的能力有持久性的影响”,这一结论成为了发展心理学中的重要原理。1942年起他前往耶基斯国家灵长类研究中心(Yerkes National Primate Research Center)工作,并再次与拉什利合作,从事黑猩猩的情绪研究。1947年回到麦吉尔大学任心理学教授,并于次年出任系主任。1949年他出版《行为的组织》(The Organization of Behavior)一书,提出了知名的赫布理论。1970年担任麦吉尔大学校长。1972年退休,并继续担任荣休教授。1980年又回到戴尔豪斯大学任心理学荣休教授。1985年逝世。.
線性回歸
在统计学中,线性回归(Linear regression)是利用称为线性回归方程的最小平方函數对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。(这反过来又应当由多个相关的因变量预测的多元线性回归区别,而不是一个单一的标量变量。) 在线性回归中,数据使用线性预测函数来建模,并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。不太一般的情况,线性回归模型可以是一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线性函数表示。像所有形式的回归分析一样,线性回归也把焦点放在给定X值的y的条件概率分布,而不是X和y的联合概率分布(多元分析领域)。 线性回归是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。这是因为线性依赖于其未知参数的模型比非线性依赖于其未知参数的模型更容易拟合,而且产生的估计的统计特性也更容易确定。 线性回归有很多实际用途。分为以下两大类:.
人工神经网络和線性回歸 · 心理学和線性回歸 ·
统计学
统计学是在資料分析的基础上,研究测定、收集、整理、归纳和分析反映數據資料,以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来,它廣泛地應用在各門學科,從自然科学、社會科學到人文學科,甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨,統計的面貌也逐漸改變,與資訊、計算等領域密切結合,是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中,可以摘要並且描述這份數據的集中和離散情形,這個用法稱作為描述統計學。另外,觀察者以數據的形態,建立出一個用以解釋其隨機性和不確定性的數學模型,以之來推論研究中的步驟及母體,這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
人工神经网络和统计学 · 心理学和统计学 ·
联结主义
联结主义是統合了认知心理学、人工智能和心理哲学领域的一种理论。联结主义建立了心理或行为现象模型的顯現模型—單純元件的互相連結網路。联结主义有许多不同的形式,但最常见的形式利用了神经网络模型。.
人工神经网络和联结主义 · 心理学和联结主义 ·
計算神經科學
計算神經科學(Computational neuroscience)為一種跨領域科學,包含神經科學、認知科學、資訊工程、電腦科學、物理學及數學。 這個詞首次出現於1985年,由於加州卡莫市主辦的會議中提出。其後出現的類似名詞包含神经模型、脑理论及神经网络。後來相關的解釋定義皆收錄於麻省理工學院出版(1990)之《計算神經科學》(Computational Neuroscience )一書內。有關此領域的研究最早可追溯自艾倫·勞埃德·霍奇金與安德魯·赫胥黎、大衛·休伯爾與托斯坦·威澤爾,以及大衛·馬爾等人。以及艾倫·勞埃德·霍奇金與安德魯·赫胥黎發明,首次成功的將動作電位數值化。大衛·休伯爾及托斯坦·威澤爾則發現主要視覺皮質區(primary visual cortex),此區負責處理由虹膜傳來的第一手訊息,將接收區與彙整區做出整理(大衛·休伯爾與托斯坦·威澤爾, 1962)。.
認知心理學
认知心理学(英語:Cognitive psychology)是最新的心理學分支之一,從1950年代至1960年代間才發展出來的。1956年被认为是认知心理学史上的重要年份。这一年几项心理学研究都体现了心理学的信息加工观点。如Chomsky的语言理论和Newell和Simon的“通用问题解决者”模型。「認知心理學」第一次在出版物出現是在1967年Ulrich Neisser的新書。而唐纳德·布罗德本特於1958年出版的《知觉与傳播》一書則為認知心理學取向立下了重要基礎。此後,認知心理取向的重點便在唐纳德·布罗德本特所指出的認知的訊息處理模式--一種以心智處理來思考與推理的模式。因此,思考與推理在人類大腦中的運作便像電腦軟體在電腦裏運作相似。認知心理學理論時常談到輸入、表徵、計算或處理,以及輸出等概念。 這種理解心智運作的方式在過去數十年變得非常普遍。這些比喻常見於社会心理学、人格心理学、变态心理学和发展心理学中。认知理论的应用在最近並廣及許多动物认知研究的比较心理学领域。 信息處理的认知功能取向最近正被一些心理学新的研究取向所質疑,例如動力系統取向以及哲學中心體合一之觀點。 由於電腦的隱喻和使用,認知心理學在1960年至1970年間得到許多人工智慧及其它相關領域研究成果的助益。事實上,它已發展成為一個跨領域的認知科學,此學門整合了一系列不同取向關於心靈與心智處理的研究。 認知心理學與從前心理研究取向有不同之处。認知心理學使用系統化的科學方法,拒絕接受內省的研究方式,与弗洛依德心理學的現象學研究方法不同。且認知心理學認定內在心理狀態的存在(如信仰、欲望和动机),与行为主义心理學不同。.
认知科学
認知科學(Cognitive Science),是一門研究訊息如何在大腦中形成以及轉錄過程的跨領域學科。它研究何为认知,认知有何用途以及它如何工作,研究信息如何表现为感觉、语言、注意、推理和情感。其研究領域包括心理學、哲學、人工智能、神經科學、學習、語言學、人類學、社會學和教育學。它跨越相當多層次的分析,從低層次的學習和決策機制,到高層次的邏輯和策劃能力,以及腦部神經電路。「認知科學」這個詞是在1973年評注一部關於當時人工智慧最新研究的著作時創造的。同10年內,《認知科學期刊》和相繼於美國加州成立。认知科学的基本要义是:理解思维的最好途径,是认识脑中的代表性结构,以及这些结构中发生的计算性过程。.
人工神经网络和认知科学 · 心理学和认知科学 ·
数学模型
數學模型是使用數學概念和語言來对一個系統的描述。建立数学模型的过程叫做数学建模。數學模型不只用在自然科學(如物理、生物學、地球科學、大氣科學)和工程学科(如计算机科学,人工智能)上,也用在社會科學(如經濟學、心理學、社會學和政治科學)上;其中,物理學家、工程師、统计学家、運籌學分析家和經濟學家們最常使用數學模型。模型会帮助解释一个系统,研究不同组成部分的影响,以及对行为做出预测。 Eykhoff定義「數學模型」為「對一個現存(或被建構的)系統本質的表述,以能以有用的形式表示出此系統的知識來。」 數學模型可以有許多種的形式,不只限定在動態系統、概率模型、微分方程或賽局模型而已。不同的模型可能有相同的形式,同一個模型也可能包含了不同的抽象結構。.
人工神经网络和数学模型 · 心理学和数学模型 ·
上面的列表回答下列问题
- 什么人工神经网络和心理学的共同点。
- 什么是人工神经网络和心理学之间的相似性
人工神经网络和心理学之间的比较
人工神经网络有50个关系,而心理学有257个。由于它们的共同之处9,杰卡德指数为2.93% = 9 / (50 + 257)。
参考
本文介绍人工神经网络和心理学之间的关系。要访问该信息提取每篇文章,请访问: