认知心理学认知心理学cognitivepsychology.pptVIP

③、眼动时间：将眼动信息与视景图象叠加后，利用分析软件提取多方面眼动时间数据，包括注视时间、眼跳时间、回视时间、眼跳潜伏期、追随运动时间，以及注视过程中的微动时间，包括自发性高频眼球微颤、慢速漂移和微跳时间，同时可以提取各种不同眼动的次数，主要是在不同视景位置或位置间的注视次数、眼跳次数、回视次数等等，这些时间和位置信息可用于精细地分析各种不同的眼动模式，进而揭示各种不同的信息加工过程和加工模式； ④、瞳孔大小与眨眼：瞳孔大小与眨眼也是视觉信息注意状态的重要指标，而且与视景迭加可以解释不同条件下的知觉广度或注意广度，也可以揭示不同刺激条件对注意状态的激发。 （三）口语报告分析法 1、口语报告分析法(protocol analysis)，也称出声思考法(think-loud)，是一种由被试大声报告自己在进行某项操作时的想法，使内部的思维过程外部言语化，来探讨内部认知过程的方法。 2、口语报告多半在操作时进行，也可以在操作后通过回忆来叙述。 3、口语报告分析法是对传统内省法的批判与继承，该方法已经被许多信息加工心理学家所接受和采用。 （四）计算机模拟法 计算机模拟(computer simulation)是信息加工心理学最有代表性的一种研究方法，它是通过对心理过程的计算机模拟来认识人的心理活动过程，即对人的内部信息加工过程进行逻辑分析。通常和理论分析结合在一起，多从程序缩减、流程分析、程序模拟三方面入手。 第三节 联结主义的认知心理学 从现代认知心理学产生至20世纪80年代中期，信息加工心理学的理论研究和实验研究几乎都采用了计算机类比的方法，强调人脑对信息加工的系列性、层次性、有限性和信息的符号化特征。但该方法在80年代遇到了严重挑战，认知心理学从内部开始发生本质性的嬗变，联结主义逐渐走向认知心理学的前台。 联结主义是基于人工神经网络（Artificial Neural Networks, ANN）而兴起的，这是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。 概念 由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。 人工神经网络具有四个基本特征： （1）非线性： 非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。 （2）非局限性： 一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性的典型例子。  3）非常定性 ：人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。经常采用迭代过程描写动力系统的演化过程。 （4）非凸性 ：一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。 人工神经网络是一种非程序化、适应性、大脑风格的信息处理，其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理功能。它是涉及神经科学、思维科学、人工智能、计算机科学等多个领域的交叉学科。 人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。 一、联结主义和认知革命 1、心理学家赫布(Donald Olding Hebb)于1949年提出假说：神经系统的学习是发生在两个神经细胞相互连接的突触处，突触间的连结强度是可变的，并首次给出了突触间连结权重值变化的方案，即著名的Hebb学习规则. Hebb规则认为学习过程最终发生在神经元之间的突触部位，突触的联系强度随着突触前后神经元的活动而变化。 。 2、1958年罗森布莱特提出感知器模型，该模型具有分类、自学习、分布式贮存、并行处理和一定的容错性。 3、 McCl