感知和行动的贝叶斯模型数据派THU共 1059字,需浏览 3分钟 ·2021-11-24 03:45 来源:专知本文附链接,建议阅读5分钟本书探索的贝叶斯方法对感知建模让我们感到兴奋,因为它解释了丰富的数据,并成功地解释了许多实验的结果。这本书对理解概率推理在感性决策和行动中的作用,提供了一个温和的介绍,一个严谨的定量框架。概率或贝叶斯推断是一种从不确定的证据中得出结论的方法。这本书解释了有多少形式的感知和行动可以作为贝叶斯推理的数学模型。根据这些模型,人类的思维行为就像一个有能力的数据科学家(或者犯罪现场调查员,或者诊断医生……)当处理有噪声和模糊的数据时。近几十年来,贝叶斯关于感知和行动的方法越来越受欢迎,并得到了广泛的测试。https://www.cns.nyu.edu/malab/bayesianbook.html推理在感知中起着核心作用。我们的眼睛、耳朵、皮肤和其他感觉器官记录身体信号,并将这些信号转化为电脉冲,传输到大脑,类似神经的摩尔斯码。大脑必须解码这些信号,并从这些信号中推断出世界的状态。眼睛记录光的模式,但不能识别视觉场景。皮肤能感觉到压力和振动,但不能识别引起这些刺激的外部物体。肌肉能感觉到紧张,但不能明确地指示身体的结构。耳朵能探测到声波,但并不表明其含义。大脑承担着这些困难的解释任务,通过接收到的感官信息对世界做出感性的最佳猜测。本书探索的贝叶斯方法对感知建模让我们感到兴奋,因为它解释了丰富的数据,并成功地解释了许多实验的结果。在贝叶斯框架内,生物体的目标是计算描述世界状态的参数的概率分布。这种计算是基于感官信息和从经验中积累的知识。特定的感官信息和先验知识是特定于手头任务的,但计算在每个情况下都符合相同的概率演算规则。因此,贝叶斯方法将大量看似不同的行为统一在一个连贯的框架内。虽然这本书的重点是感知和行动,贝叶斯模型在认知科学和心理学的其他领域是广泛有用的。特别是,贝叶斯模型在高级认知[2]中有着丰富的历史,至少可以追溯到乔纳森·埃文斯[43]和约翰·安德森[21]的工作,对认知发展的理解做出了巨大贡献[53,123]。本书中偶尔会出现更高层次的认知,特别是在第6章(学习)、第12章(变化世界中的推理)和第13章(推理与实用的结合)中。在第15章(背景中的贝叶斯模型)中,我们评论了感知和认知之间的差异。目录内容: 浏览 26点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 贝叶斯网络数学算法俱乐部0【机器学习基础】深入浅出贝叶斯模型选择机器学习算法与Python实战0如何用贝叶斯思维模型预测未来?林骥0生活中处处的贝叶斯极客挖掘机0贝叶斯深度学习的综述数据分析14800生活中处处的贝叶斯数学算法俱乐部0生活中处处的贝叶斯小白学视觉0pystan贝叶斯推理的软件包PyStan为Stan提供了一个Python接口,这是一个使用No-U-Turn采样器进行贝叶斯推理的软件包,这是HamiltonianMonteCarlo的一种变体。PyStan具有以下依赖项:Pypystan贝叶斯推理的软件包0浅谈频率学派和贝叶斯学派小白学视觉0贝叶斯机器学习:经典模型与代码实现!Datawhale0点赞 评论 收藏 分享 手机扫一扫分享分享 举报