波普尔、验前概率和归纳推理

针对波普尔关于归纳概率的0值理论,本文首先论证在为归纳概率所提供的理论中,积空间上独立性测度并无优先地位。同时表明如果强调某种测度作为先验的原则,这与波普尔可错主义的立场是冲突的,而主观贝叶斯主义却是与可错主义立场相容的。然后,论证概率并非等同于置信度,与演绎逻辑的形式类比表明,主观概率(除了概率演算的限制外)并非需要确定的指派规则,这一点是合理的。因此,归纳逻辑应该提供的只是如何从初始的分布达及后验分布的规则。     

神经网络模型对内隐学习的探索

近几年来,研究者们借助人工神经网络模型的方法对内隐学习研究中突出的争论性问题进行了新的探索。针对内隐学习的无意识问题,模拟研究发现确实存在一种无意识的内隐学习,然而这种无意识加工的发生与否要取决于规则的难易程度;针对内隐学习的抽象性问题,人工神经网络模型所主张的分布式概率表征能较好地加以解释。可见,神经网络模型的原理和模拟研究可能为真正地解决内隐学习的无意识性和抽象性等目前争论较多的领域提供一个全新的视角和研究方向。     

线索-反应相容性效应和线索有效概率的影响

运用前置线索技术,考察了线索－反应的相容性效应,研究了不同线索与反应的关系和线索有效概率对视觉剌激进行命名反应的时间的影响。结果表明：线索－反应的相容性存在,且符合维度重合理论,支持了相容性是信息加工过程的基本特征;线索客观有效概率影响了线索－反应的相容性效应的强度,线索客观有效概率越高,线索－反应的相容性效应越强。     

儿童“期望值”判断的研究

以 7岁、9岁、12岁小学生和成人大学生为被试 ,让他们在 5种实验任务中进行期望值判断 ,以探讨儿童期望值判断的发展。结果表明 :(1) 7岁儿童就能够在简单任务中进行概率推理和正确判断事件的期望值 ;(2 )儿童对概率和价值两个维度相乘关系的认知呈现发展趋势 ,但其乘法规则的运用仍逊于成人水平。而成人期望值判断的成绩有较大的个体差异。 (3)在期望值相同的情况下 ,儿童更注重事件发生的概率而相对忽视价值     

贝叶斯推理的改进方法--以频率格式代替概率格式进行信息表征

贝叶斯推理规则是人工智能领域和认知心理学领域的一个重要理论,数学家、逻辑学家与心理学家都对其做了全面细致的研究。关于人的思维方式是否遵循贝叶斯推理规则,目前存在着两种截然相反的观点。一方面,古典的启迪概率主义者认为,概率理论是受过教育的人的基本常识,是思想的规律。Edwards(1968)最先用实验的方法测试人类的推理是否遵循贝叶斯定理,并认为,即使是“保守的”推理也在一定程度上与贝叶斯定理计算得出的结论相吻合。然而另一方面。Kahneman和Tversky(1972)却认为,人们明显地不是保守贝叶斯主义,甚至可以说根本就没遵循贝叶斯定理。古生物学者Gould(1992)持有更极端的看法,认为人们的大脑生来就不是遵循概率规则的。     

风险条件下的跨期选择

跨期选择是指对发生在未来不同时间点上的结果做出权衡的决策过程。由于大部分跨期选择的情景都处于某种风险之中, 把风险变量纳入跨期选择的研究中则至为关键。针对以往研究在研究范围、理论构建、现实意义等诸方面的不足, 本研究拟采用实验室实验与纸笔测验相结合的方法, 深入揭示高、中、低三种概率水平下风险对跨期选择的影响特征, 探索其发生的机制、各类经典效应的大小。在此基础上, 根据全国不同地区的大样本调查结果, 了解各地区风险条件下跨期选择的差异及其与本地宏观经济指标(如, 消费者物价指数)的关联, 进而探讨研究的现实意义。本研究期望对风险条件下的跨期选择做出系统、全面的科学探索, 并为国家相关部门制定政策提供有价值的参考。     

概率与命题

本文的主题是揭示信念对象。关于信念对象最流行的观点是指称主义的观点,指称主义者或把个体与性质组成的命题视为信念对象,或把可能世界集视为信念对象,但若从贝叶斯的确证理论出发来考察信念对象的话,就会发现指称主义与贝叶斯主义间的冲突,由于贝叶斯主义是一种相当成功的理论,因而指称主义是错误的。贝叶斯主义需要的是一种非指称的信念对象,对贝叶斯理论而言,首内涵可以扮演置信对象这一角色。不过首内涵缺乏结构,缺乏指称信息,前者可以用借助于结构化首内涵来解决,后者可以在前者的基础上借助于丰富化内涵进而借助于丰富化的命题来解决。     

从贝叶斯主义的视角看迪昂问题

对于迪昂问题,贝叶斯主义有着独特的视角。本文主要通过介绍多林与斯特雷文斯各自运用贝叶斯方法解决迪昂问题的两个方案,试图说明迪昂问题在贝叶斯机制中的处理方式,并且对这两个方案作出比较,认为斯特雷文斯的方案更为客观与合理。     

条件推理与概率判断

选取6个具体内容的条件命题和1个纯形式的条件命题作为实验材料,以大学生为被试,深入探讨了条件推理的认知加工机制。结果发现,大学生被试对四种推理形式的认可程度主要与范畴前提的概率值成正比,条件推理似乎是一种基于概率判断的直觉而高效的认知加工过程,进一步证实了Oaksford（2000）以及Evans（2003）等人的观点。     

统计认知理论及应用研究

长期以来大家认为人类认知尽管可以看成是非确定的推理计算过程,但它的知识表达、模型结构、及计算方法和概率统计理论在本质上是不同的,因此认知科学和概率统计方法存在巨大的鸿沟,过去两者基本上独立发展。近年来随着Bayesian概率统计模型研究的一系列突破性工作和认知过程本质的不断被发现和挖掘,两者的相关性和互补性逐渐突显出来。许多研究者认为认知是近似遵循概率统计推理原则的,一些研究工作显示两者的结合有可能对人工智能发展产生深远的影响。本文对当前统计认知理论及应用研究的现状进行系统的梳理,并结合自身的研究对它今后的发展提出自己的看法。