Product Design, Manufacturing & Innovation Resources
Casa » Modelli bayesiani di cognizione

Modelli bayesiani di cognizione

2000
  • Thomas Bayes
  • Joshua Tenenbaum
  • Thomas Griffiths
Laboratorio di ricerca in psicologia cognitiva con analisi tramite modelli bayesiani.

(Immagine generata a solo scopo illustrativo)

I modelli bayesiani della cognizione inquadrano la mente come un motore di inferenza probabilistica. struttura Questo approccio presuppone che il cervello rappresenti la conoscenza come distribuzioni di probabilità e aggiorni queste convinzioni dopo aver ricevuto nuove prove secondo il teorema di Bayes.

The core of this approach is Bayes’ rule: [latex]P(H|D) = frac{P(D|H)P(H)}{P(D)}[/latex], where [latex]H[/latex] is a hypothesis and [latex]D[/latex] is observed data. The posterior probability [latex]P(H|D)[/latex] (belief in the hypothesis after seeing data) is proportional to the product of the likelihood [latex]P(D|H)[/latex] (how well the hypothesis explains the data) and the prior probability [latex]P(H)[/latex] (initial belief in the hypothesis). This framework provides a normative standard for how a rational agent should update its beliefs.

Nelle scienze cognitive, questo si applica presupponendo che la mente esegua implicitamente questi calcoli. Ad esempio, nella percezione, il cervello combina input sensoriali rumorosi (i dati) con conoscenze pregresse sul mondo per formare una percezione stabile (la percezione a posteriori). Questo può spiegare molte illusioni visive, in cui le aspettative pregresse prevalgono sui dati sensoriali. Nell'apprendimento delle lingue, un bambino potrebbe usare l'inferenza bayesiana per capire il significato di una nuova parola considerando quale potenziale significato spieghi meglio i contesti in cui la parola è stata utilizzata. L'approccio è efficace perché fornisce un quadro matematico unificante per diversi fenomeni cognitivi e collega direttamente la cognizione alla statistica e all'apprendimento automatico.

UNESCO Nomenclature: 6105
Psicologia sperimentale

Tipo

Sistema astratto

Interruzione

Sostanziale

Utilizzo

Tecnologia emergente

Precursori

  • Bayes’ theorem by Thomas Bayes and Pierre-Simon Laplace
  • teoria della probabilità
  • teoria dell'informazione di Claude Shannon
  • teoria della rilevazione del segnale in psicologia

Applicazioni

  • modellazione della percezione visiva e delle illusioni
  • teorie dell'acquisizione del linguaggio e dell'apprendimento delle parole
  • modelli di ragionamento causale e processo decisionale
  • neuroscienze computazionali
  • algoritmi di apprendimento automatico come reti bayesiane e filtri di Kalman

Brevetti:

NA

Idee e potenziali innovazioni

A causa dell'eliminazione del traffico generato dai bot, che attualmente supera i 40.000 al giorno, questo contenuto è riservato ai membri della community.
> Accedi O > Registrati L'accesso a questo contenuto, così come a tutti gli altri contenuti e strumenti riservati, è (100% gratuito).

Modella la percezione, l'apprendimento e il ragionamento come inferenza statistica ottimale o quasi ottimale in condizioni di incertezza, fornendo una matematica unificante

Contesto storico

Modelli bayesiani di cognizione

1941
1986
1990
2000
1950
1990
1990

(se la data è sconosciuta o non rilevante, ad esempio "meccanica dei fluidi", viene fornita una stima approssimativa della sua notevole comparsa)

Invenzioni, innovazioni e principi tecnici correlati

Le immagini a grandezza naturale e i download sono disponibili, 100% gratuitamente, solo per i membri registrati.

> Login <