在《认知和行为的计算建模》中提出了一套在心理学中应用计算和数学模型的综合方法。主要目的是在理论、模拟和数据之间提供一个统一的视角，来回答“我们如何从行为模型中获取信息”的核心问题。 《认知和行为的计算建模》涵盖了以下四个主题。第一部分解释了什么是计算模型，全面概述了用于理解人类行为的模型，探讨了如何将理论叙述转化为模拟代码，并阐述了理解建模所需的各种概念。第二部分探究了计算模型的一种应用——参数估计。通过将模型拟合到数据，可以从所得的参数估计值以及有关生成这些数据的一种或多种心理机制或表征的叙述中进行推断。在这里介绍了**似然估计和贝叶斯估计，包括跨多个被试估计和分层估计。第三部分探讨了如何使用模型比较进行推论，讨论了从数据中得出充分性和必要性结论的条件，以及如何概念化和量化模型的复杂性。本部分探究了几种解决模型比较复杂的方法，包括信息标准和贝叶斯因素。第四部分讨论了计算建模在推进心理学理论研究中的作用。探究了如何使用模型作为推理的辅助手段以及人类与人工智能之间的相互作用，以引导理论化和概念性见解的产生。以及计算模型如何作为一种用于研究者之间达成共识（即使用模型作为通用的参考术语）的工具，如何将其应用于交流和共享模型。最后，介绍了计算模型在神经网络模型、选择反应时间模型以及模型在理解神经数据中的应用。

中译版前言 2018年6月Caltech的朋友Bowen J Fung博士向我们推荐了本书的原著。作为计算建模的学习者，我们受益很多，决定将这本原著书引进中国。 在心理学和神经科学领域，可以说是“天下苦建模久矣”。认知科学和神经科学的基础课程其实不包括认知计算建模的内容和相关知识结构。这使得很多从事认知科学研究的学者、心理学研究的教师和认知神经科学的研究生都没有接受过系统的计算建模的训练，这也是我们翻译本书最大的动机。我们认为，相比于一篇论文，一本好的工具书将帮助到更多的学生和研究者。在翻译过程中，刘泉影团队神经计算与控制实验室（NCClab）的楼可心、叶梓元、郑书晗、曲由之、王海慧、王正旸、于浩、袁婕、魏晨、金文正、梁智超、刘可茵、郑冰洁，以及伍海燕团队的曹思琪、陈坤、黄佳敏、黄骐、李惠迪、刘先晴、李肈宁、庞珞珧、王睿恩、王元辰、徐心怡、叶扬华、张皓铭、张紫琦等同学付出了巨大的努力，经过了数十次的修改和完善，终于在2021年的6月，本书顺利出版发行。我们在此对参与本书翻译的多位青年学生表示感谢。 需要说明的是，本书翻译中尽可能采取直译的方式，以体现原著的学术性和专业性。由于译者的翻译水平和时间有限，译文中出现的错误和不足之处在所难免，恳请读者们提出宝贵意见，我们将接受大家的批评指正。 伍海燕刘泉影 2021年6月 原书前言 计算模型在今天已被广泛应用，能够更好地理解感知、记忆、推理、沟通和决策等各种人类行为。在对这些行为的研究中，建模的应用通常也出于不同的目的，包括测量、预测和模型测试。在本书中我们提出了一套在心理学中应用计算和数学模型的综合方法。本书编写的主要目的是在理论、模拟和数据之间提供一个统一的视角，来回答“我们如何从行为模型中获取信息”的核心问题。 本书涵盖了以下几个主题。第一部分解释了什么是计算模型，全面概述了用于理解人类行为的模型，探讨了如何将理论叙述转化为模拟代码，并阐述了理解建模所需的各种概念。第二部分探究了计算模型的一种应用——参数估计。通过将模型拟合到数据，可以从所得的参数估计值以及有关生成这些数据的一种或多种心理机制或表征的叙述中进行推断。在这里我们介绍了最大似然估计和贝叶斯估计，包括跨多个被试估计和分层估计。第三部分探讨了如何使用模型比较进行推论，在这部分我们讨论了从数据中得出充分性和必要性结论的条件，以及如何概念化和量化模型的复杂性。本部分探究了几种解决模型比较复杂的方法，包括信息标准和贝叶斯因素。第四部分讨论了计算建模在推进心理学理论研究中的作用。我们探究了如何使用模型作为推理的辅助手段以及人类与人工智能之间的相互作用，以引导理论化和概念性见解的产生。我们还讨论了计算模型如何作为一种用于研究者之间达成共识（即使用模型作为通用的参考术语）的工具，以及如何将其应用于交流和共享模型。最后，我们介绍了计算模型在几个流行领域中的应用：神经网络模型、选择反应时间模型以及模型在理解神经数据中的应用。 为了实现以上这些，我们在本书中使用了一种开源的计算机语言——R语言。虽然R语言最初是为统计数据分析而开发的，但它具有广泛的适用性，现在被许多建模者使用。 一些读者可能知道，我们之前写过一本类似的书（Lewandowsky和Farrell，2011），本书继承了上一本书中读者喜爱的一些特征，比如书中会针对所有源码片段中出现的重要特性做出讲解。因此，虽然本书不是R语言程序设计的教科书，但它针对性地讲解了我们手头任务程序中的最重要的部分，也就是如何利用计算手段理解人类的思维。除此之外，本书与我们先前出版的书也有很大的不同。先前出版的书是一本入门级教科书，本书则有着更高的目标：我们希望带领读者领略现今较为前沿的建模实践方法，并给读者讲授其中更为创新的发展与进步。 本书提供了R语言的模拟代码作为文本中的方程和描述的补充，并且每一章都以一个“实例”部分结束。每个“实例”部分都会有研究人员分享他们关于当前话题或方法的经验之谈。有的是对该领域中涉及的科学原理的一些思考，也有的是与我们相反的一些观点。我们认为这些部分是很有洞察力和启发性的(而且是相当有趣的）。我们非常感谢该领域的研究人员给我们机会与读者分享他们的想法。 关于整本书的“实例”部分，我们要感谢许多朋友和同事，在筹备编写本书时，大家在一起讨论了许多问题，特别感谢Henrik Singmann和Benjamin Vincent对引用和使用到他们工作的章节的草稿所做的评论。我们还要感谢过去八年来在欧洲举办的四届认知计算和数学建模暑期学校的教员（Gordon Brown、Amy Criss、Adele Diederich、Chris Donkin、Bob French、Cas Ludwig、Klaus Oberauer、Jo¨rg Rieskamp、Lael Schooler、Joachim Vandekerckhove和EricJan Wagenmakers）和学生。该暑期学校迄今已吸引了120多名学生，教员和学生对本书稿的反馈是非常宝贵的，特别感谢学生和导师的热情讨论。通过这些讨论，我们可以肯定一件事：模型可以以多种多样的方式应用在心理学中。在提出一个统一和综合的建模理论框架时，我们试图涵盖所有模型的应用方式，但最终认识到有许多模型和观点，我们无法在这里探索。我们还要感谢剑桥大学出版社的Janka Romero和她的前辈Hetty Marx在我们提出构想和撰写本书时给予的帮助和鼓励，以及Adam Hooper、Anup Kumar、Christina Taylor和Sindhujaa Ayyappan在编写过程中提供的帮助。 原书编者

版权图片链接