Вводные ресурсы по байесовскому моделированию для когнитивных наук

На Cross Validated есть отличный вопрос о лучших вводных книгах по байесовской статистике . Кроме того, Джероми Энглим недавно написал в блоге об использовании JAGS, rjags и байесовского моделирования с очень хорошей коллекцией руководств, относящихся к вышеуказанному вопросу. Многие из этих ресурсов представляют собой одноразовые учебные пособия, охватывающие лишь некоторые ограниченные области программирования и моделирования.

С точки зрения ресурсов, которые охватывают более широкий круг тем с некоторой справочной информацией и руководствами по кодированию, из списка выделяются только два источника:

Эти две книги потенциально могли бы попасть в точку с точки зрения достаточного охвата основных потребностей начинающего байесовского помощника.

Что еще вы посоветуете в качестве простого, практичного, компактного и основательного введения в байесовское моделирование для когнитивиста?

Ответы (3)

+1 к предложению Спелдосы. Гриффитс и его коллеги написали несколько учебников по использованию байесовских моделей в Cogsci. Многие из них можно найти на веб-сайте Гриффитса в разделе «Основы»:

http://cocosci.berkeley.edu/publications.php?topic=Основы

например

Перфорс, А., Тененбаум, Дж. Б., Гриффитс, Т. Л., и Сюй, Ф. (2011). Учебное введение в байесовские модели когнитивного развития. Познание, 120, 302-321.

Гриффитс, Т.Л., и Юилль, А. (2008). Учебник по вероятностному выводу. В М. Оксфорд и Н. Чейтер (ред.). Вероятностный разум: перспективы рациональных моделей познания. Оксфорд: Издательство Оксфордского университета.

Список для чтения

Как упомянул @Jeff, у Тома Гриффитса есть несколько полезных ресурсов. В частности, у Тома Гриффитса есть обширный список литературы , которая может оказаться полезной. Чтобы процитировать резюме содержания:

Этот список предназначен для ознакомления с некоторыми инструментами байесовской статистики и машинного обучения, которые могут быть полезны для вычислительных исследований в области когнитивистики. В первом разделе упоминается несколько полезных общих ссылок, а в других содержится дополнительная литература по конкретным темам...

Другие комментарии

  • В более широком смысле, при изучении байесовской статистики, безусловно, полезно иметь хорошее представление об исчислении (интеграция является ключевым) и вероятности (распределения, как они параметризуются и т. д.).
  • Книга Джона Крушке вполне доступна
  • Гельман и Хилл также вполне доступны; основное внимание уделяется многоуровневому моделированию и регрессии; он охватывает байесовское моделирование с помощью BUGS. Она очень читабельна и содержит много практических советов. Тем не менее, это не касается конкретно вопросов, связанных с когнитивной наукой.
Спасибо - кстати, отличный список ресурсов в вашем блоге! Я бы также добавил матричную алгебру к предварительным требованиям для изучения байесовской статистики. Что касается «основ математики», эта книга Скотта Линча также является хорошим вводным источником. В приложении есть компактный обзор исчисления и матричной алгебры — приятное дополнение, которого не хватает во многих книгах по этой теме.

В сравнительно недавней книге «Кембриджский справочник по вычислительной психологии» третья глава посвящена байесовскому моделированию. Сценарий написали Томас Гриффитс, Чарльз Кемп и Джошуа Тененбаум.

Я сам еще не читал эту главу, но обновлю этот ответ, когда прочитаю.

Вводные ресурсы по байесовскому моделированию для когнитивных наук
СпросиСетьПолитика конфиденциальности1y, 0v