This chapter provides a brief overv

This chapter provides a brief overview of all the steps of computational modeling and illustrates their use in cognitive and decision neuroscience. The chapter starts with a simple example model developed for a popular “decision from experience” type of task. Second, the chapter discusses the important issue concerning analysis of group versus individual data. Third, methods for estimating model parameters are presented, which includes least squares, maximum likelihood, Bayesian estimation, and hierarchical Bayesian estimation. Fourth methods for model comparison are discussed such as R-square, chi-square, Akaike information criterion, Bayesian information criterion, generalization criterion, and cross validation. Finally the importance of using these methods are illustrated with an example model based fMRI application.

ผลลัพธ์ (ไทย) 1:

บทนี้แสดงภาพรวมโดยย่อของทุกขั้นตอนของการสร้างโมเดลการคำนวณ และแสดงการใช้ในการรับรู้ และประสาทวิทยาศาสตร์การตัดสินใจ บทเริ่มต้น ด้วยแบบจำลองอย่างง่ายที่พัฒนาสำหรับงานชนิดยอดนิยม "ตัดสินใจจากประสบการณ์" สอง บทกล่าวถึงประเด็นสำคัญเกี่ยวกับการวิเคราะห์กับข้อมูลแต่ละกลุ่ม ที่สาม วิธีการประมาณพารามิเตอร์ของแบบจำลองนำเสนอ ซึ่ง มีกำลังสองน้อยสุด ความเป็นไปได้สูงสุด ทฤษฎีประเมิน ประเมินทฤษฎีลำดับชั้น วิธีที่สี่สำหรับการเปรียบเทียบแบบจำลองกล่าวเช่น R-สแควร์ chi-square เกณฑ์ข้อมูล Akaike ทฤษฎีข้อมูลเกณฑ์ generalization เกณฑ์ และข้ามการตรวจสอบ ในที่สุด ความสำคัญของการใช้วิธีการเหล่านี้จะแสดง ด้วยโปรแกรมประยุกต์ตัวอย่างจำลอง fMRI

ผลลัพธ์ (ไทย) 2:

บทนี้จะให้ภาพรวมคร่าวๆของทุกขั้นตอนของการสร้างแบบจำลองการคำนวณและแสดงให้เห็นถึงการใช้งานของพวกเขาในการคิดและการตัดสินใจของระบบประสาท บทที่เริ่มต้นด้วยรูปแบบตัวอย่างที่ง่ายสำหรับการพัฒนาเป็นที่นิยม "การตัดสินใจจากประสบการณ์" ประเภทของงาน ประการที่สองบทที่กล่าวถึงปัญหาที่สำคัญที่เกี่ยวข้องกับการวิเคราะห์ของกลุ่มเมื่อเทียบกับข้อมูลของแต่ละบุคคล ประการที่สามวิธีการประมาณค่าพารามิเตอร์รูปแบบจะถูกนำเสนอซึ่งรวมถึงกำลังสองน้อยที่สุดควรจะเป็นสูงสุดประมาณเบส์และการประมาณค่าแบบเบย์ลำดับชั้น วิธีที่สี่สำหรับการเปรียบเทียบรูปแบบจะถูกกล่าวถึงเช่น R-เมตรไคสแควร์, Ak​​aike เกณฑ์ข้อมูลเกณฑ์ข้อมูลคชกรรมทั่วไปเกณฑ์และข้ามการตรวจสอบ สุดท้ายสำคัญของการใช้วิธีการเหล่านี้เป็นภาพประกอบที่มีการประยุกต์ใช้ fMRI รูปแบบตัวอย่างเช่นตาม

ผลลัพธ์ (ไทย) 3:

บทนี้แสดงภาพรวมโดยย่อของขั้นตอนทั้งหมดของการคำนวณและแสดงให้เห็นถึงการใช้สติปัญญา และสมอง ในการตัดสินใจ บทเริ่มต้นด้วยตัวอย่างง่าย ๆ แบบจำลองสำหรับการตัดสินใจที่นิยม " จากประสบการณ์ " ประเภทของงาน ประการที่สอง บทที่กล่าวถึงปัญหาสำคัญเกี่ยวกับการวิเคราะห์ของกลุ่มเมื่อเทียบกับข้อมูลส่วนบุคคล ประการที่สามวิธีการประมาณค่าพารามิเตอร์แบบที่นำเสนอซึ่งรวมถึงอย่างน้อยน่าจะเป็นสูงสุดประมาณแบบเบส์ และประมาณราคา วิธีที่สี่สำหรับการเปรียบเทียบแบบจำลองมีการกล่าวถึง เช่น r-square ไคสแควร์ เกณฑ์เคราะห์ข้อมูลแบบเบย์ ข้อมูลเกณฑ์เกณฑ์การแผ่ขยายและข้ามการตรวจสอบและความสำคัญของการใช้วิธีการเหล่านี้จะแสดงด้วยตัวอย่างรูปแบบ fMRI โปรแกรมประยุกต์