XiaoMi-AI文件搜索系统
World File Search SystemCognition
计算认知原理
当今的神经科学研究需要使用计算机科学技术来分析和绘制大脑和神经系统极其密集和复杂的神经基础。这些地图虽然视觉上引人注目，但却无法揭示它们所描绘的生命和进化系统。事实上，我们对大脑的结构和功能了解得越多，就越难解释它究竟是如何实现人类行为的。另一方面，计算机科学技术和硬件能力正在以指数级的速度发展，而使用它们所需的巨大能源消耗正在加剧已经让我们不堪重负的问题。这种快速发展的计算能力可以为它所应用的几乎所有主题提供见解，神经科学也不例外。许多最新的深度学习技术都受到大脑结构的启发，例如神经网络和神经形态算法。人类大脑本身就是最高效的计算机，它已经教会了我们很多关于如何使我们使用的硬件更强大、更高效、更智能的知识，并将继续教会我们很多关于如何使我们使用的硬件更强大、更高效、更智能的知识，而这些知识反过来又可以用来帮助我们更好地理解大脑的功能。计算认知或计算认知心理学既包括研究大脑和行为的计算机科学技术，也包括启发计算机科学技术的神经功能模式。增强我们对其中一个主题的理解和知识，有可能对另一个主题产生同样的影响。该领域的研究人员寻求应用计算机模型来揭示有关脑科学的知识，同时也升级我们的模型以使用从神经科学中学到的技术。计算认知不是两个不同的研究领域，而是认识到，通过相同的视角研究大脑和硬盘上发生的计算会受益匪浅。通过将它们的研究分开，或将每个领域视为独立的，我们剥夺了这两个领域可以转移的知识。此外，编码能力直接转化为更广泛的方法技术，人们可以采用这些方法来研究神经系统，同时减少对昂贵设备和资助研究的必要性。加州大学洛杉矶分校设有计算认知和认知心理学专业，以及认知神经科学专业。他们承认并鼓励研究计算与人类智能/认知 1 之间的联系。这些学科在当今的智力和大脑研究中被描述为日益融合。该领域研究人员可用的方法论方法种类繁多，目标明确，仅受程序员的技能和可用数据的限制。编程能力并不
分布式认知：迈向人机交互研究的新基础
我们正在快速经历一个历史时刻：人们在一台计算机前工作，由一台小型 CRT 控制，专注于仅涉及本地信息的任务。联网计算机变得无处不在，在我们的生活中以及科学、商业和社会互动的基础设施中发挥着越来越重要的作用。为了在新千年推动人机交互的发展，我们需要更好地理解新兴的交互动态，其中焦点任务不再局限于桌面，而是延伸到一个复杂的网络信息世界和计算机介导的交互。我们认为分布式认知理论在理解人与技术之间的交互方面发挥着特殊的作用，因为它的重点一直是整个环境：我们在其中真正做什么以及我们如何协调其中的活动。分布式认知为如何思考设计和支持人机交互提供了彻底的重新定位。作为一种理论，它专门用于理解人与技术之间的交互。在本文中，我们提出分布式认知作为人机交互的新基础，勾勒出一个综合的研究框架，并使用我们早期工作中的选集来提出该框架如何为数字工作材料的设计提供新的机会。
分布式认知 - eScholarship
我们正在快速经历一个历史时刻：人们在一台计算机前工作，由一台小型 CRT 控制，专注于仅涉及本地信息的任务。联网计算机变得无处不在，在我们的生活中以及科学、商业和社会互动的基础设施中发挥着越来越重要的作用。为了在新千年推动人机交互的发展，我们需要更好地理解新兴的交互动态，其中焦点任务不再局限于桌面，而是延伸到一个复杂的网络信息世界和计算机介导的交互。我们认为分布式认知理论在理解人与技术之间的交互方面发挥着特殊的作用，因为它的重点一直是整个环境：我们在其中真正做什么以及我们如何协调其中的活动。分布式认知为如何思考设计和支持人机交互提供了彻底的重新定位。作为一种理论，它专门用于理解人与技术之间的交互。在本文中，我们提出分布式认知作为人机交互的新基础，勾勒出一个综合的研究框架，并使用我们早期工作中的选集来提出该框架如何为数字工作材料的设计提供新的机会。
音乐认知和学习的神经生物学
上个世纪提供了有关认知和学习的大量重要数据。然而，随着发展心理学的认知革命和发育心理学中Piage理论的兴起，强大的人从学习转变为思考。因此，我们现在对不同年龄的孩子的思维有很多了解，但是我们对他们的学习方式一无所知。远离研究儿童学习的动作反映了更多的三角形兴趣转变；它还反映了一个假设，即发展和学习在根本上是不同的。但是，学习和认知是同一枚硬币的两个方面。人们所知道的很大程度上是基于一个人学到的知识，当然是将军知识。因此，任何关于孩子如何学习的发展理论都是一个严重限制的发展。
认知、交流、话语，2024，29，86-103 https://periodicals.karazin.ua/cognitiondiscourse https://doi.org/10.26565/2218-2926-2024-29-06
文章引用：Zhabotynska, SA (2024)。读者对政治新闻叙事的接受：多模态性和互文性。认知、交流、话语，29，86-103。doi.org.10.26565/2218-2926-2024-29-06 摘要 战略叙事理论（Miskimmon 等人，2013 年；2017 年等）是在国际关系领域发展起来的，它将战略叙事视为政治行为者建构国际政治共同意义的一种手段，并塑造国内和国际行为者的看法、信念和行为。该理论的作者认为，对战略叙事运作的解释需要研究其形成、投射和接受。这种解释将各个学术领域聚集在一起，旨在寻找缺乏的方法论，以展示战略叙事的形成、投射和接收方面如何像三联画一样协同工作。本文从认知语言学的角度探讨了这个问题，认知语言学研究口头传递信息的概念基础。本文提出并测试了一个新颖的方法论框架，该框架假定以口头和视觉呈现的信息的认知本体论，作为追踪三个叙事方面同时动态的规律的可行基础。本文重点关注媒体新闻文本中所呈现的投射/接收叙事方面以及读者对此的反应——这是与互文性语言领域相关的问题。从方法论和主题上看，本文延续了先前的研究（Zhabotynska & Velivchenko，2019 年；Zhabotynska & Ryzhova，2022 年；Chaban 等人，2023 年；Chaban 等人，2024 年等），研究新闻媒体文本中的战略叙事的形成/投射方面。
社会认知和思想理论
在鸟类和哺乳动物中出生后脑发育继续进行。然而，由于两个主要区别，这种发展的结果与人类的结果显着不同。首先，人类独特地体验了脑外脑中最长的大脑时期，持续至18岁。新生的黑猩猩的大脑重量的60％的成人形式，而人类新生儿的大脑仅占成年人类大脑大小的24％。第二个区别在于一个事实，即大脑和心理发展发生在始终后数千年和世代积累的文化环境中。一个延长的童年时期推断神经囊突触发生过程和以下突触修剪，特别是在前额叶叶片中，是根据生活经验来塑造的。这是在社会影响下发生神经发展的证据。3在延长的童年时期，大脑发育受到外部影响，微调大脑对其社会环境的敏感性。这个过程是通过出生后以各种形式积极地传播社会历史文化的。由于这两个因素，人脑完全是“社会大脑”。
从认知模型到机器人控制和使用...
摘要。随着神经形态硬件的最近出现，人们对刺激神经网络模型的兴趣相应地增加，以控制现实世界中的人工制剂，例如机器人。尽管在峰值神经网络中实例化的认知机制模型并不是什么新鲜事物，但很少有它们被转化为真实的机器人平台。在本文中，我们尝试了这样的翻译：我们实施了在UR5E机器人组上2D模拟中显示的现有的，生物学上合理的覆盖模型（触及模型）。我们特别对这种翻译的运作效果感兴趣，因为这暗示了与现有的认知模型库的类似练习的暗示。在这种特殊情况下，在3D中的操作扩展之后，对于使用的特定硬件，我们确实发现该模型能够在真实平台上与原始模拟中所做的那样，尽管没有达到相同的性能水平。
认知和大脑的进化全球神经科学...
大脑发育的进化基础代表出发点。它深入研究了进化史的深处，揭示了塑造人脑的复杂旅程。比较神经解剖学和系统发育提供了我们绘制认知进化肖像的画布。它考虑了雕刻人类大脑建筑的遗传和表观遗传学的约束。这些见解是进化全球神经科学所占据的基础。寻求解锁人脑的神秘复杂性，进化的全球神经科学是超越学科边界的变革性范式。这个广阔的领域探讨了我们的进化遗产与当代挑战在认知，脑健康和神经技术的不断发展的景观之间的深刻相互作用。认知，即人类生存的典型标志，几乎引起了我们的注意。它审问了跨时期认知的依赖价值，从而破译了其在生存和繁荣中的作用。然而，在这个快速的社会转变时代，“进化不匹配”的概念浮出水面。它探讨了这种不匹配是如何构成脑部疾病迅速发展的流行的基础，这突显了对解决认知健康的新范式的迫切需求。本文阐明了现代性脑部疾病的严峻景观。阿尔茨海默氏病和自闭症谱系障碍是吞噬我们的进化难题的典型典范。从遗传倾向到环境影响，它构成了这些疾病的多方面起源，始终注意到进化论
意识、认知和神经元细胞骨架
将大脑视为由简单神经元组成的复杂计算机无法解释意识或认知的基本特征。没有突触的单细胞生物利用其细胞骨架微管执行有目的的智能功能。需要一个新的范式来将大脑视为一个尺度不变的层次结构，既从神经元水平向上延伸到越来越大的神经元网络，也向下、向内延伸到神经元内细胞骨架微管中更深、更快的量子和经典过程。证据表明，微管中存在在太赫兹、千兆赫兹、兆赫兹、千赫兹和赫兹频率范围内重复的自相似传导共振模式。这些传导共振显然起源于太赫兹量子偶极振荡和每个微管蛋白（微管的组成亚基和大脑中最丰富的蛋白质）中色氨酸、苯丙氨酸和酪氨酸的芳香族氨基酸环的π电子共振云之间的光学相互作用。现在，来自培养的神经元网络的证据还表明，树突状体细胞微管中的千兆赫和兆赫振荡调节远端轴突分支的特定放电，从而因果地调节膜和突触活动。大脑应该被视为一个尺度不变的层次结构，其中量子和经典过程对意识和认知至关重要，这些过程源自神经元内的微管。