新書推薦：
《
伟大民族：从路易十五到拿破仑的法国史（方尖碑）
》
售價：NT$
857.0
《
古今“书画同源”论辨——中国书法与中国绘画的关系问题兼中国画笔墨研究
》
售價：NT$
602.0
《
《日本文学史序说》讲演录
》
售價：NT$
332.0
《
无尽的海洋：美国海事探险与大众文化（1815—1860）
》
售價：NT$
454.0
《
治盗之道：清代盗律的古今之辨
》
售價：NT$
556.0
《
甲骨文丛书·剑桥世界暴力史（第一卷）：史前和古代世界（套装全2册）
》
售價：NT$
959.0
《
甲骨文丛书·中华早期帝国：秦汉史的重估
》
售價：NT$
1367.0
《
欲望与家庭小说
》
售價：NT$
449.0
|
| 內容簡介： |
|
本书全面综合地介绍了知觉学习的现象、理论和应用，重点关注视觉领域。本书首先对知觉学习的原理进行阐述，然后探讨知觉学习的基本现象（学习和迁移）和机制（噪声特性、生理学证据）。同时，介绍知觉学习的计算模型，强调反馈对知觉学习的重要性，并讨论任务、注意力和奖励在知觉学习中的作用，对比视觉知觉学习和其他感官领域学习，讨论知觉学习的现有应用，并提出优化框架。本书适合知觉学习领域的学生、研究人员及相关从业者阅读参考。
|
| 目錄：
|
|
目 录Perceptual Learning: How Experience Shapes Visual Perception译者序前言第一部分 概述第1章 知觉学习的原理21.1 经验和学习在知觉中的重要性21.2 实验室中的知觉学习41.3 可塑性与稳定性71.4 提高人类表现中的信噪比121.5 重加权与表征变化141.6 生成模型和优化知觉学习的重要性181.7 总结与概述19参考文献20第二部分 现象学第2章 视觉任务中的知觉学习262.1 知觉专长和知觉可塑性262.2 视觉知觉学习272.3 通过表征选择学习还是通过创造学习282.4 知觉学习研究的一种典型结构292.5 训练特征与任务类型322.6 单一特征的知觉学习342.6.1 方向342.6.2 空间频率352.6.3 相位362.6.4 对比度362.6.5 颜色372.6.6 敏锐度382.6.7 超锐度392.6.8 总结412.7 知觉学习模式412.7.1 复合刺激422.7.2 纹理、全局模式和搜索422.7.3 深度442.7.4 运动452.7.5 总结472.8 对象知觉学习和自然刺激482.8.1 轮廓、形状和对象482.8.2 面部和实体492.8.3 生物运动502.8.4 总结512.9 结论51参考文献53第3章 特异性与迁移性593.1 在知觉学习中的特异性和迁移性593.2 评估特异性和迁移性的范式613.3 任务结构分析633.4 行为证据663.4.1 视网膜位置特异性663.4.2 眼部特异性683.4.3 特征和对象特异性693.4.4 一阶和二阶特异性713.4.5 判断特异性733.4.6 环境特异性743.4.7 总结763.5 影响特异性和迁移性的因素773.5.1 任务难度和刺激精度773.5.2 适应性与特异性793.5.3 训练的程度和特异性803.5.4 通过交叉训练激活迁移性813.5.5 总结843.6 测量尺度、适应性估计、解耦训练和迁移性评估—未来研究的方向843.7 结论853.8 附录A：实验范式、分析方法、特异性和迁移性指数863.8.1 幂函数或指数学习以及特异性测量873.8.2 无基线的迁移范式883.8.3 有基线的迁移范式893.8.4 训练迁移范式913.8.5 交替训练范式923.8.6 不平等试验混合范式923.8.7 总结933.9 附录B：度量精细度的影响93参考文献95第三部分 机制第4章 知觉学习机制1024.1 知觉学习机制的信号和噪声分析1024.2 信号检测理论1034.3 观察者模型表现的系统分析1044.3.1 人类表现的观察者模型1044.3.2 知觉模板模型1054.3.3 使用外部噪声方法确定PTM1074.4 利用外部噪声研究知觉学习1094.4.1 PTM中知觉学习的机制和特征1094.4.2 一种典型的知觉学习的外部噪声研究1114.5 视觉任务中知觉学习的机制1134.5.1 利用外部噪声理解知觉学习1134.5.2 不同知觉学习机制的分离表达1164.5.3 PTM和外部噪声方法的应用1194.5.4 总结1204.6 结论1204.7 附录1214.7.1 指定PTM1214.7.2 指定模板1224.7.3 知觉学习机制的详细特性1254.7.4 PTM的细化127参考文献130第5章 生理基础1345.1 知觉学习的生物学基础1345.2 生理基础1365.2.1 大脑功能区1365.2.2 视觉系统1375.2.3 知觉决策、奖励和注意力的回路1415.2.4 讨论1435.3 用生物学来理解学习1435.4 来自单细胞记录的证据1455.4.1 特征的知觉学习1465.4.2 模式的知觉学习1515.4.3 物体和场景的知觉学习1545.4.4 单细胞实验中的知觉学习综述 1575.5 来自脑成像的证据1585.5.1 特征的知觉学习1595.5.2 模式的知觉学习1615.5.3 物体的知觉学习1645.5.4 知觉学习的脑成像研究综述1645.6 讨论1665.6.1 重加权在哪里1675.6.2 与内部噪声和观察者模型的关系1685.6.3 详细计算研究1695.7 结论170参考文献170第四部分 模型第6章 知觉学习模型1786.1 建模的目标1786.2 知觉学习的经典模型1806.3 重加权假设与AHRM模型1846.3.1 通过通道重加权进行知觉学习1846.3.2 AHRM的发展1866.4 AHRM的测试和应用1876.4.1 非稳定环境下的知觉学习1886.4.2 知觉学习的基本机制1926.4.3 高噪声和低噪声下学习的非对称迁移1936.4.4 预训练机制的影响1946.4.5 多任务的协同学习分析1966.5 学习的其他重加权模型1976.6 总结1996.7 未来方向2006.8 附录：AHRM实现细则2016.8.1 表征模块2016.8.2 特定于任务的决策模块2036.8.3 学习模块2046.8.4 自适应偏差或标准控制204参考文献205第7章 反馈2087.1 知觉学习中的反馈2087.2 经验研究文献2097.3 学习规则和反馈2107.4 反馈和AHRM2137.4.1 非平稳外部噪声环境下的反馈和学习2137.4.2 目标训练的准确性和逐项试验反馈2147.4.3 包括高准确性试验的混合2157.4.4 建模逐项试验、错误、随机和反向反馈2177.4.5 建模块反馈2197.4.6 训练不对称与诱导偏差2207.5 多刺激识别中的学习2227.6 总结2247.7 未来方向225参考文献226第8章 对迁移性和特异性进行建模2298.1 集成重加权理论2298.2 对迁移性的日常类比2308.3 分层表
|
| 內容試閱：
|
|
前 言Perceptual Learning: How Experience Shapes Visual Perception我们从1997年开始进行知觉学习的研究。当时，只有少数几个研究人员关注这个课题。从那时起，这个领域开始发生变化，这本书讲述了我们对现象和理论的了解。这种转变的发生归因于大量积极的研究人员做出了巨大的贡献，从心理学家对现象学的深入研究到有见地的建模和生理学。在20世纪90年代末，我们正在研究人类观察者的新模型，即知觉模板模型（PTM）。我们的目的是利用这个模型来了解视觉知觉如何依赖信号模式和两种噪声—外部刺激的噪声和内部感官响应的可变性。我们也有兴趣使用此模型来区分视觉注意力对人类知觉（“观察者”）的影响，从而区分出滤除刺激中的外部噪声而导致的增强或放大信号刺激本身带来的不便—之前难以捉摸的机制可以通过外部噪声方法轻松地区分开来。在某个时候，我们意识到相同的分析同样很好地适用于一个重要领域的性能提升，即知觉学习。据报道，从19世纪90年代末实验性心理学研究开始以来，实践就有所改善，并作为Eleanor Gibson对儿童早期知觉发展的兴趣的一部分在20世纪50年代被普及。经验在成年人的知觉任务执行中的作用已在许多任务领域得到了证明，包括敏锐度、运动和立体视觉。视觉知觉领域中一些优秀的心理物理学家已经开始研究学习，并且有些时候学习是针对任务或刺激的某些方面的特异性。然后，在20世纪90年代末，许多科学家（Avi Karni、Dov Sagi、Merav Ahissar、Shaul Hochstein、Aniek Schoups、Robert Sekuler等人）的杰出工作证明了一种非常奇怪的特异性形式。在视网膜上某个位置进行的一项任务中所学到的改进有时无法转移到视野中的新位置。真的！这些发现导致许多研究人员将视力的经验依赖的性能变化归因于早期视觉皮层的可塑性，长期以来人们一直认为大脑皮层在发育初期是稳定的。很快，最杰出的知觉学习理论涉及早期视网膜视觉皮层感觉调节的可塑性改变。在其他方式的类似报道的支持下，一系列重要的研究（Rufin Vogel、Guy Orban、Geoff Ghose、John Maunsell、Charles Gilbert、Joshua Gold、Wu Li等人）开始探索（知觉）学习如何在视觉编码的最早期影响细胞反应的特性。在视觉皮层中，学习是多久开始的？我们一直是这些生理学研究的追随者。我们对知觉学习的第一项研究是使用外部噪声方法和PTM模型对现象进行系统的分析。从一开始，我们就怀疑知觉学习主导的重调谐理论可能只是其中的一部分。为了影响行为，还必须将感官信息与决策联系起来。如果感觉系统对刺激进行编码，则还需要对这一证据进行解码。即使在早期阶段，我们也发展了另一种重加权理论，其中改变感官信息在决策中的加权方式（改变的读数）可能是学习的主要方式。如果早期的视觉区域是感官信息的编码器，那么大脑还需要解码器来解释编码的信息，并且这些解码器也必须是学习的关键。基于此见解，我们发展了一种重加权（读出）理论，其中许多早期视觉通道中的证据确定了如何通过重加权来更改决策。那是在1998年。直到后来，我们才意识到Mollon和Danilova分别发展了相同的理论构想。直到几年后，在天才博士后Alex Petrov的帮助下，我们开始研究知觉学习的多通道模型，即增强型Hebbian重加权模型（AHRM）。该模型建立在20世纪90年代的视觉学习网络模型（Tomaso Poggio、Shimon Edelman、Manfred Fahle、Michael Herzog等人）的基础上，并利用了神经网络领域最近的重大发展。我们将此模型加入具有生理启发性的信号处理前端。为了检查两种主要学习理论（重调谐和重加权）做出相反预测的情况下的特异性，实验也变得更加复杂。随后证明了这种纯粹的重加权模型可以解决视觉知觉学习中的许多主要现象。凭借另一位才华横溢的博士后Jiajuan Liu和研究生Pam Jeter的深入研究工作，AHRM于2013年得到扩展，形成了综合重加权理论（IRT）。该理论解释了某些形式的迁移是如何发生的。反过来，此模型已被其他研究人员（Aaron Seitz、Peggy Seriès等人）以非常巧妙的方式进行了修改和推广。这就是我们在第6章讲述的知觉学习模型的故事。在过去的20年中，知觉学习领域已经发生了重大的变化。如今，有许多研究对知觉学习的特异性提出了挑战（Cong Yu等人）。现在，关于重加权或读出在学习中的作用的想法，已成为Takeo Watanabe等人的集成模型的重要组成部分，这些模型将知觉学习领域置于人脑成像的更广泛的考虑范围内。除了我们自己的模型外，其他模型在提出的学习中使用或推进了我们提出的多级重加权原则。同时，得益于Dennis Levi、Krystel Huxlin、John Anderson、Chang-Bing、Uri Polat、Robert Hess、Ben Thompson等人的工作，学习研究已经越来越多地走向从教育到视觉修复的大量实际应用。到21世纪10年代中期，似乎需要对该领域的最新发展进行系统的探索。我们开始对有时互不相关的知觉学习文献进行详细调查。我们的目标是评估各种理论状态，了解生理学发现的含义，并指出可能的富有成果的研究方向。这本书是我们努力的结果。它适用于知觉学习的研究人员以及其他相关领域的科学家。我们试图在多个层面上讨论知觉学习，希望做到透彻而简洁，内容全面而不是详尽无遗。多年以来，在知觉学习中，许多杰出科学家的重要贡献推动了该领域的发展以及我们在同等领域的工作。除了阅读论文和参加会议演讲外，我们也从参加“国际知觉学习研讨会”中受益良多，这是一个较小的组织，每两年召开一次会议，讨论令人兴奋的新想法和新方法。我们确实从这些公开交流中受益。在知觉学习研究中一件令人惊奇的事情是，虽然参与者的理论分歧很大，但该领域一直保持合议，参与者合作并致力于共同推动科学的发展。现在，许多个人和实验室的主要贡献已将知觉学习确立为一个主要领域，并广泛认识到学习和可塑性在人类适应中起着至关重要的作用，在对知觉机制的任何研究中都必须考虑这一点。由于各种原因，我们花费很多年写了这本书。在此期间，我们得到了许多同事、朋友和家人的大力支持，在此深表感谢。Barbara Dosher说：“经过23年的合作，我仍然很高兴与我的合著者和朋友Zhong-Lin Lu谈论科学。加州大学尔湾分校认知科学系富有创造力的环境，以及聪明、热切的同事为本书的编写工作做出了重要贡献。我还要感谢实验室（记忆注意力知觉实验室）的应届毕业生和博士后所做的重大贡献，其中包括Pam Jeter、Alex Petrov、Wilson Chu、Shiau-Hua Liu、Nate Blair、Richard Hetley、Emelien Tlapale，以及许多本科生和助教，包括Anchit Roy，他协助提供了本书的一些图表。我的研究生导师Wayne Wickelgren的理论构想仍然鼓舞着我。我还要感谢将我引入视觉科学领域的同事和朋友：Norma Graham、George Sperling和Eileen Kowler。通过与知觉学习和注意力社区中的许多同事的交谈，这项研究得到了完善。朋友和家人提供了乐趣、支持和帮助。特别感谢我的朋友Kristi、Liz、David和Eileen，感谢我的姐姐Cathie、retreat小组以及其他许多人的支持。在此特别对我的儿子Joshua Sperling表示衷心的感谢，他的支持、理智探索和评论使本书的最后阶段有了实质性的改进。我还要感谢包括麻省理工学院出版社在内的所有相关人员的耐心，因为该项目的延期比预期要长，部分原因是应我年迈生病的母亲Anne Dosher的要求。她毕生的求知欲、对社区的奉献精神和交友的天赋，树立了令人钦佩的榜样。”Zhong-Lin Lu说：“这本书的出版是我们20多年合作的一个重要里程碑。这也是许多新的、令人激动的联合研究项目的开始。非常感谢Barbara给我与她合作的机会。非常感谢我的妻子Wei Sun、我的儿子James和我的女儿Mae。没有他们的理解和支持，这本书是不可能完成的。我从博士生导师Samuel J. Williamson和Lloyd Kaufman以及我的博士后导师George Sperling那里学到了很多，他们的科学精神至今仍激励着我。我想借此机会感谢脑过程实验室（LOBES）的成员（最初他们在南加州大学，然后在俄亥俄州立大学，现在在纽约大学和上海纽约大学），包括Luis A. Lesmes、Wilson Chu、Simon Jeon、Debbie Dao、Jiajuan Liu、Chang-Bing Huang、Xiangrui Li、Gui Xue、Miao Wei、Fang Hou、Jongsoo Kim、 Carlos Cabrera、Zhicheng Lin、Yukai Zhao、Pan Zhang和 Pengjing Xu，感谢他们对研究项目做出的贡献。还要感谢C. Shawn Green、Daphne Bavelier、Alex Pouget、Tianmiao Hua和Jinrong Li在知觉学习方面与我合作，并感谢国际知觉学习研讨会的组织者Cong Yu、Dov Sagi、Takeo Watanabe、Merav Ahissar、Uri Polat、Shaul Hochstein、Yuka Sasaki、Mitsuo Kawato、Michael Herzog、Miguel Eckstein、Aaron Seitz和Michael Silverman，他们为我们提供了作为研究社区聚集在一起的机会。我还要感谢同事Irving Biederman、Adrian Raine、Antonio Damasio、Hanna Damasio、Michel Baudry、Judith Hirsh、James Todd、Roger Ratcliff、Brandon Turner、Deyue Yu、Alex Petrov、Tony Movshon、Paul Glimcher、Marisa Carrasco、Joanna Waley-Cohen和Anqi Qian，以及我多年来的朋友Patrick Suppes、Bosco Tjan、Stephen Madigan和Richard F. Thompson。”这些年来，我们在知觉学习方面的实验和理论工作得到了美国国家心理健康研究所和美国国家眼科研究所的资助。感谢它们的支持。Barbara Dosher，尔湾Zhong- Lin Lu，都柏林和纽约2019年8月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
