XiaoMi-AI文件搜索系统
World File Search System认知科学
人工智能与艺术_Sokolova.E. （1）
Sokolova EI，国立高等经济学院认知科学博士生。邮寄地址：123007，莫斯科，Poliny Osipenko 街 16-359 电话：+79250529314 电子邮箱：sokolovaeve@gmail.com
Michael C. Mozer-计算机科学
顾问委员会，WootMath（教育软件），科罗拉多州博尔德 2018 年至今 顾问委员会，NSF/Cyberlearning 项目，主题为“使用协作、动态、个性化实验来研究和加强教育的软件”，伍斯特理工学院 2018 年至今 技术顾问委员会，Drop（人工智能辅助食品制备），加利福尼亚州旧金山 2018 年至今 顾问委员会，NSF/Cyberlearning 项目，主题为“在智能辅导系统中使用视觉表征对本科化学智能辅导系统中的感知流畅性进行建模”，威斯康星大学 2016 年至今 编辑委员会，Springer 应用机器学习系列 2016 年至今 技术顾问委员会，Imagen Technologies（医学图像分析），纽约 2015 年至今 编辑委员会，神经计算 2015 年至今 技术顾问委员会，AnswerOn（客户流失预测），科罗拉多州朗蒙特 2001 年至今 董事会成员兼秘书，神经信息处理系统基金会 1995 年至今 奖励委员会，认知科学学会 2019 研讨会联合组织者，教育深度学习。KDD 2019。阿拉斯加州安克雷奇 2019 年 8 月 联合创始人兼技术顾问委员会成员，Sensory Inc.（嵌入式语音和视觉技术），加利福尼亚州桑尼维尔 1992–2018 顾问委员会，NSF/Integrative Strategies 项目“使用计算认知神经科学来预测和优化记忆”，纽约大学 2016–2019 技术顾问委员会，Open Table，加利福尼亚州旧金山 2016–2018 研讨会联合组织者。认知信息人工智能：从自然智能中吸取的教训。神经信息处理系统。加利福尼亚州长滩 2017 年 12 月 教师，深度学习国际暑期学校，西班牙毕尔巴鄂 2017 年 7 月 研讨会联合组织者，通过认知心理学加强教育。 Psychonomics 2015。伊利诺伊州芝加哥 2015 年 11 月 研讨会联合组织者，教育机器学习。ICML 2015。法国里尔 2015 年 7 月 技术顾问委员会，Cognilytics，Inc.，科罗拉多州丹佛 2011-2015 研讨会联合组织者，人类推动机器学习。NIPS 2014。加拿大蒙特利尔 2014 年 12 月 研讨会联合组织者，接近二十年的知识追踪：经验教训、开放挑战和有希望的发展。 EDM 2014。英国伦敦 2014 年 7 月 研讨会联合组织者，通过机器学习实现个性化教育，NIPS 2012。加利福尼亚州太浩湖 2012 年 12 月 教师，认知科学国际暑期学校，保加利亚索非亚 2012 年 7 月 技术顾问委员会，JD Powers and Associates，Web Intelligence Division (原 Umbria Communications)，科罗拉多州博尔德 2003–2010 机器学习编辑委员会 主席，认知科学学会财务委员会 2005–2009 理事会，认知科学学会 1998–2008 技术顾问委员会，Green Planet Software 2001–2008 执行委员会，认知科学学会 2005–2008 会议联络员，认知科学学会 2008 主席，认知科学学会 2006–2007
弗兰克·鲁索 心理学系
2002 博士，心理学（脑、行为与认知科学），皇后大学 1995 硕士，心理学，皇后大学 1992 文学士，心理学专业荣誉学位，约克大学 奖项和荣誉： 2024 多伦多都市大学开放获取名人堂 2022 加拿大脑、行为与认知科学学会院士 2021 加拿大脑、行为与认知科学学会服务奖 2020 多伦多大都会大学合作研究与创造性活动奖 2019 多伦多大都会大学艺术学院院长教学奖 2019-24 NSERC-Sonova 听觉认知神经科学高级工业研究主席 2016 多伦多大都会大学正教授 2016 国际声学委员会早期职业奖和奖章（“对心理声学的杰出贡献”） 2013-19 聆听音乐和情感言语世界研究主席 2013 当选为加拿大心理学会院士 2012 多伦多大学梅西学院高级研究员 2012 加拿大大脑、行为和认知科学学会早期职业奖（“杰出贡献奖”） 2012 多伦多大都会大学学术、研究和创造性活动奖（“杰出成就和影响奖”）（2007、08、10 年也曾获此殊荣） 2011 国际纺织服装协会力克创新奖（“可穿戴技术的研究创新奖”） 2011 安大略省研究和创新部早期研究员奖（“吸引和留住最优秀、最聪明的研究人才”） 2010 多伦多大都会大学压力、健康和幸福研究所创始成员 2009 多伦多大都会大学早期任职奖 2002 加拿大声学协会 Shaw 声学博士后奖
UC Riverside 定量锥体对比阈值在具有不同病理生理机制的患者中
openitive工程是通过重新设计认知科学和工程中现有知识的决策支持，人类自动化相互作用的领域[1]。该区域用于从健康到能源的所有危险领域。认知工程；合并了认知科学，数据科学，数据分析方法以及分析和基于软件的方法。例如，在控制工程应用中，管理半自治系统的人类角色的控制器可以视为认知系统的应用。这些半自主系统减少了人的身体工作量，同时减少了人类诱发的失败。几乎所有这些应用程序都是基于计算机的系统。因此，计算机系统和软件技术的经验的发展将使未来的认知技术环境创建[1-4]。
什么是神经代表理论的目的？
本文探讨了对认知科学的代表性概念的方式，重点是神经科学。哲学家有一种跳过这个问题而直接转向另一个问题的方法：什么是神经代表？不忘记了代表概念的方式 - “神经代表”一词通常意味着“代表，因为认知科学理解了这一概念”。但是，这句话使哲学家更加直接地关注神经代表本身。我认为，问题的错误部分已经被省去了。作为认知科学的哲学家，我们的最终问题是关于认知科学解释的功能和认识论 - 在这种情况下，使用代表性概念进行了解释。要回答这些问题，必须了解代表概念在认知科学中的作用 - 它使科学家能够做到或解释的是什么，以及如何理解财产的性质，神经代表，该概念可能会挑出。我描述了这种方法，认为这是一种科学敏感的现实主义形式，神经科学哲学可以从中受益，并用它来说明代表性解释。具体来说，我建议代表性概念有助于我们构建和理解大脑因果结构的模型，并且我们可以通过检查他们在科学认知中的作用，即，即，而无需辩论他们可能指的任何财产的性质，可以看到他们如何做到这一点。
神经网络算法 - CCN 2024
算法在认知科学中起着核心作用。它们有助于解释我们如何感知、说话、记忆、导航和决策。但人工或生物神经网络“实现”算法的含义尚不清楚。标准建议是，当神经网络具有与算法步骤相对应的部分时，它就实现了算法。但我们无法找到很多这样的部分，也许是因为神经网络很少有它们。这导致一些人否认神经网络实现了算法。作为替代方案，我建议神经网络通过其学习替代输入输出映射的速度来实现算法。该提议借鉴了心理学中的“学会学习”文献和机器学习中的“迁移学习”文献。我证明该提案可有效应用于许多网络和任务。因此，它是一个整合认知科学和神经科学的有前途的新框架。
这是：Hohol，M。（2021）的证明版本。认知科学：一种跨学科的思维和认知方法。在B.Bro附，M。Jakubiec，
尽管对精神的计算代表性方法和感知和行动之间的认知态度受到了挑战（例如，参见Chemero，2009年），但它们是所谓认知科学早期阶段的特征（Henceforth，Cog-Sci）。cogsci通常被描述为跨学科企业，旨在了解思维的工作原理。在本章中，我将通过跟踪和追踪其历史来关注Cogsci的跨学科性。一开始，我将概述自1950年代至1980年代COGSCI黎明以来的各个学科的合作（这一时期通常称为Classic Cogsci）。十，我将仔细研究Cogsci跨学科的一些新面孔。将通过经典COGSCI中的计算机模拟和最近对认知隐喻的搜索进行计算机模拟的情况来说明。最后，我将描述与思维和认知跨学科研究有关的最近争议。
Emily G. Liquin
为专业社会提供服务2024年至今的执行委员会成员，哲学与心理学学会临时杂志审查者认知认知心理学儿童发展认知科学认知科学杂志认知心理学杂志实验心理学杂志实验心理学杂志：学习，记忆和认知的开放思维：认知社会在认知科学上的认知社会在认知科学的社会中的发现，这是对认知社会的发现，这是对认知社会的认知社会，该社会的社会会议上的社会会议上的社会会议上的访问了会议， NSF STEM教育局（EDU）核心和心理学授予审稿人小组成员核心研究小组研究小组，NSF学习和增强情报科学其他服务与活动2021-列表编辑器，应用程序声明反馈计划（https://wwww.asfp.io/）
人类和机器的语言学习、表达和处理：特刊简介
大型语言模型 (LLM) 和人类无需直接监督即可获得有关语言的知识。LLM 通过特定的训练目标来实现这一点，而人类则依靠感官体验和社交互动。这种相似性在 NLP 和认知科学中产生了一种感觉，即系统地了解 LLM 如何获取和使用编码知识可以为研究人类认知提供有用的见解。相反，认知科学领域的方法和发现偶尔会启发语言模型的开发。然而，机器和人类处理语言的方式（在学习机制、使用的数据量、基础和对不同模态的访问方面）的差异使得直接翻译见解具有挑战性。这本编辑卷的目的是创建一个沿着这条研究方向交流和辩论的论坛，邀请人们进一步阐明人类和 LLM 之间的异同。