第1章 心理学中的计算方法的思想和范畴简介
1.1 概述
1.2 心理学为什么要构建模型？
1.3 我们能够创造一个大脑吗？
1.4 将计算模型作为实验
1.5 模型是否需要符合生物学？
1.6 计算模型需要计算机吗？
1.7 如何评估模型？
1.8 模型需要假设吗？
1.9 附加问题
1.10 路线图
第一部分 神经建模
第2章 什么是微分方程？
2.1 概述
2.2 单神经元模型
2.3 微分方程：霍奇金—赫胥黎模型中的数学方法
2.4 微分方程中的微分
2.5 总结
第3章 微分方程的数值应用
3.1 概述
3.2 首先，我们假设一个真空中的球形鸡
3.3 数值模拟
3.4 数值积分和微分方程：欧拉方法
3.5 求解弹簧微分方程
3.6 总结
第4章 插曲：使用循环进行计算
4.1 有不止一种类型的计算机编程语言
4.2 命令式编程
4.3 带循环的Python中的谐波练习
第5章 从动作电位到神经元编程：累积放电
5.1 概述
5.2 动作电位
5.3 动手编写动作电位的计算模
5.4 累积放电神经元方程
5.5 神经元的累积放电模型编程
5.6 总结
第6章 插曲：使用if语句计算
简单版本的累积放电模型代码
第7章 霍奇金和赫胥黎：两位男士和他们的模型
7.1 概述
7.2 谁是霍奇金和赫胥黎？
7.3 霍奇金—赫胥黎模型
7.4 用电子表格模拟霍奇金—赫胥黎模
7.5 微分方程的最后一点说明
第8章 插曲：函数运算
结论
第二部分 神经网络
第9章 数理基础：向量和矩阵
9.1 概述
9.2 线性代数
9.3 向量与矩阵的初等运算
9.4 几何思维
9.5 矩阵和向量的函数
9.6 测试你对本章知识的掌握情况
9.7 总结
第10章 插曲：交互式计算8
10.1 编译
10.2 解释
10.3 用于线性代数的解释语言
10.4 与命令行交互简介
第11章 神经网络概论
11.1 概述
11.2 什么是神经网络？
11.3 神经网络模型的历史
11.4 局部交互中的全局性
11.5 元胞自动机
11.6 感知机
11.7 另一种学习规则：德尔塔规则
1 1.8 为什么感知机不是神经网络的唯一类型
1 1.9 总结
第12章 插曲：使用Oetave软件练习德尔塔规则
12.1 基本语法
12.2 德尔塔规则的Octave函数
12.3 用Octave练习德尔塔规则
第13章 自动联想记忆与霍普菲尔德网络
13.1 概述
13.2 引入
13.3 霍普菲尔德网络与感知机的异同
13.4 霍普菲尔德网络的基本结构
13.5 实例演示
13.6 异步更新
13.7 霍普菲尔德的思想
13.8 总结
第三部分 概率和心理模型
第14章 什么是概率？
14.1 概述
14.2 悖论和概率：集合和瓮
14.3 计数用的概率
14.4 概率作为集合的测度
14.5 概率的一些基本关系式
14.6 人类不是理性的
14.7 总结
第15章 用随机游走算法做决策
15.1 概述
15.2 随机游走
15.3 测量反应时
15.4 检验反应时的模型
15.5 总结
第16章 插曲：用Python编写心理学实验程序
16.1 为自己的研究编写Python程序
16.2 PsychoPy工具包
16.3 总结
第四部分认知建模的逻辑和规则
第17章 布尔逻辑
17.1 概述
17.2 数学逻辑的起源
17.3 并不仅仅只存在一种逻辑
17.4 总结
第18章 插曲：使用函数式语言进行科学计算
18.1 函数式编程
18.2 函数式编程的优点
18.3 函数式编程语言
18.4 总结
第19章 产生式规则与认知
19.1 概述
19.2 产生式
19.3 产生式的发展历史
19.4 产生式系统
19.5 总结
第20章 插曲：简单产生式系统的函数式编程
20.1 一个Haskell语言编写的实例
20.2 总结
第21章 ACT-R：一种认知架构
21.1 概述
21.2 一种成熟的认知架构：ACT
21.3 总结
第22章 基于智能体的建模
22.1 概述
22.2 智能体模型的发展历史
22.3 智能体模型的组成部分
22.4 构建一个智能体模型
22.5 NetLogo简介
22.6 构建一个NetLogo模型
22.7 执行眼动模
22.8 总结
第23章 结束语
注释
参考文献
索引
译后记
展开
