Skip to content

Latest commit

 

History

History
283 lines (206 loc) · 24.7 KB

readmeCN.md

File metadata and controls

283 lines (206 loc) · 24.7 KB
Raw

计算认知科学资源索引

中文版页面预计将在2021或2022年此仓库更名为“AwesomeCoCoSci”时停止维护。

目录

^简介

认知科学未来将走向何方？编程、数学能探索到怎样的人类心智？当下算法建模人类心智有哪些主要的流派？我们该前往何处的源头？

如果你是心理科学专业相关从业者，我强烈建议关注计算认知科学。未来十年，心理科学的下个皇冠在这里。—— 阳志平

以下为IA003计算认知科学小组收集到的一些此主题下值得追踪的信息源。大多是主要研究机构和大牛的网站，这些页面常常会贴出他们的研究情况及成果（以论文清单的形式呈现；有的网站还可以下载PDF）。

这个资源清单还不完善。欢迎Pull Request或是在Issues拍砖，促使我们增补/修改信息:D

⚠️小贴士：

  • 几乎所有网站都需要科学上网（或者说，使用梯子）。
  • 这些信息总会有时效性。个别链接，例如《关于计算认知科学的随想》里的一些链接，已经挂掉。它们也许只是随机构或主人网站转移了一个地方，又或者真的是挂了。可以在谷歌上用关键词搜索摸索一下，或是去相应机构的网站四处走走。我们整理的这份清单未来或许也会有链接挂掉。
  • 下面的流派划分只是一个粗略而主观的划分，源自 Ron Sun 的《The Cambridge Handbook of Computational Psychology》。在实际研究中，一位计算认知科学或计算神经科学家通常会运用多种数学模型来做计算建模研究。

^协会

^会议

^奖项

^机构

跟踪它们的研究——这些地方往往会附上各种索引。

^主要流派和学者

跟踪ta们的研究——这些地方往往会附上各种索引。

  • 字体加粗意味着人物是该流派的重要人物。
  • 为方便，重复贴上各流派代表人所在机构的链接。
  • “IA003计算认知小组整理的谷歌表格”里还整理了这些学者的谷歌学术页面链接，以及他们在谷歌学术档案上使用的关键词。参见“参考信息”。不过这个表格不会再有更新。

^ACT-R

^Bayesian

^Connectionist

^Dynamical Systems

^Declarative/Logic-Based

^Others & Unclassed

^Chinese Scholars

（按拼音首字母排序）

^入门读物

书籍

阳志平老师推荐的两本著作：

其它：

论文

（🚧有待完善）

  • 周吉帆;徐昊骙;唐宁;史博皓;赵阳;高涛;沈模卫; (2016). “强认知”的心理学研究:来自AlphaGo的启示. 应用心理学, (01 vo 22), 3–11.

^数据集

^课程

  • NeuroMatch Academy Summer Course: Neuromatch Academy 计算神经科学暑校。内含完整的课件，包括视频（Youtube/Bilibili）、幻灯和可在 Colab 中操作的 Jupyter Notebook 。优质入门资料，助你用 Python 建立计算模拟的直觉。这里的内容更导向神经科学，然而计算认知科学和计算神经科学有不小的重叠。或许光是课程大纲就能帮小白建立领域最小全局的印象。
  • Computational Cognitive Science | MIT OpenCourseWare: Josh Tenenbaum 2004年计算认知科学课程的课件。

^期刊与科学新闻

综合：

^视频

^论文选集和其它汇总类信息

  • 认知建模论文选：Cottrell总结的，该领域的主要论文清单，及他人对论文的评价，含PDF下载。
  • 贝叶斯方法的阅读清单：Tom Griffiths总结的贝叶斯方法论文精选集。
  • 认知科学领域相关研究者：按学校分类
  • 认知的概率模型：Probabilistic Models of Cognition, by Noah D. Goodman, Joshua B. Tenenbaum & The ProbMods Contributors. This book explores the probabilistic approach to cognitive science, which models learning and reasoning as inference in complex probabilistic models. We examine how a broad range of empirical phenomena, including intuitive physics, concept learning, causal reasoning, social cognition, and language understanding, can be modeled using probabilistic programs.

^Github 仓库

^豆瓣

^参考信息

^常用工具或信息源

  • Google Scholar
  • Sci-Hub
  • libgen
  • Acemap：各种知识图谱，例如引文关系。近年建立的一个新网站，许多功能和内容还有待完善。信息沉淀略少，只有涉及计算机领域的数据才会比较全。
  • Neurotree：检索学者师承关系。例如约书亚(Joshua)的师承关系可以查看这张图谱。
  • CiteSpace：不限于引文空间分析的科学计量学可视化神器。

^⚠️声明

此资源清单是IA003计算认知科学小队（麦云飞(@MaiYunfei2000)、xdp(@xdpwjj)、ZAPP(@zapp926)、小耳朵）的成果，诞生背景是开智学堂信息分析三期课程的结业BP。

贡献信息：清单的具体信息由小队全体成员搜集；然后部分主要内容由麦云飞整理为表格，并由xdp和ZAPP增补；最后由小耳朵和ZAPP制作这一份清单并由麦云飞来持续维护。

转载或引用请说明出处并附上本仓库链接。

^ChangeLog

  • 210301 麦云飞 增补“计算精神病学报告讨论会”至会议中。
  • 210220 麦云飞 增补期刊、会议和数据集。
  • 210106 麦云飞 于 190212 至 210106 期间就学者和机构信息进行若干次完善和修改。V0.2 版
  • 190127 ZAPP 完善计算认知科学资源，定稿 V0.1 版。
  • 190126 ZAPP 在小耳朵同学基础上增补内容。
  • 1901__ 麦云飞、xdp、ZAPP 收集信息。