理论篇: 2009

2009年5月12日星期二

机器学习与人工智能资源导引

相关国际会议等级分类列表
*AREA: Artificial Intelligence and Related Subjects*

*Rank 1:*

*AAAI: *American Association for AI National Conference

*IJCAI:* International Joint Conference on AI

*UAI: *Conference on Uncertainty in AI

*ICML:* International Conference on Machine Learning

*NIPS:* Neural Information Processing Systems

*Rank 2:*

*AID: *International Conference on AI in Design

*ECAI: *European Conference on AI

*IAAI:* Innovative Applications in AI

*ECML:* European Conf on Machine Learning

*ICNN/IJCNN: *Intl (Joint) Conference on Neural Networks

*ICPR: *Intl Conf on Pattern Recognition

*ICDAR: *International Conference on Document Analysis and Recognition

*CVPR*:

*Rank 3:*

*PRICAI:* Pacific Rim Intl Conf on AI

*AAI: *Australian National Conf on AI

*AI*IA: *Congress of the Italian Assoc for AI

*ANNIE: *Artificial Neural Networks in Engineering

*ANZIIS:* Australian/NZ Conf on Intelligent Inf. Systems

*CAIA: *Conf on AI for Applications

*CAAI: *Canadian Artificial Intelligence Conference

*ASADM: *Chicago ASA Data Mining Conf: A Hard Look at DM

*ICMS:* International Conference on Multi-agent Systems

*ASC: *Intl Conf on AI and Soft Computing

*AREA: Data Mining, KDD and Data Bases*

*Rank 1:*

*SIGKDD: *ACM Special Interest Group Conf on Knowledge Discovery in Data and
Data Mining

*SIGMOD: *ACM Special Interest Group Conf on Management Of Data

*PODS:* ACM SIGMOD Conf on Principles of DB Systems

*VLDB: *Very Large Data Bases

*ICDE: *Intl Conf on Data Engineering

*ICDM:* IEEE International Conference on Data Mining

*Rank 2:*

*PKDD: *Intl. Conf. on* *Principles and Practice of Knowledge Discovery in
Database

*PAKDD:* Pacific-Asia Conf on Knowledge Discovery & Data Mining

*SSD: *Intl Symp on Large Spatial Databases

*DEXA: *Database and Expert System Applications

*FODO:* Intl Conf on Foundation on Data Organization

*EDBT: *Extending DB Technology

*DOOD: *Deductive and Object-Oriented Databases

*DASFAA: *Database Systems for Advanced Applications

*CIKM: *Intl. Conf on Information and Knowledge Management

*SSDBM: *Intl Conf on Scientific and Statistical DB Mgmt

*Rank 3:*

*COMAD: *Intl Conf on Management of Data

*BNCOD: *British National Conference on Databases

*ADC: *Australasian Database Conference

*ADBIS: *Symposium on Advances in DB and Information Systems

*DaWaK* - Data Warehousing and Knowledge Discovery

*IDEAS *- International Database Engineering and Application Symposium

*Others:*

*NDB* - National Database Conference (China)

*KDDMBD* - Knowledge Discovery and Data Mining in Biological Databases
Meeting

*IDC(W)* - International Database Conference (HK CS)

*WebDB* - International Workshop on the Web and Databases

*SBBD: *Brazilian Symposium on Databases

*W2GIS* - International Workshop on Web and Wireless *Geographical
Information Systems*

*DOLAP* - International Workshop on Data Warehousing and OLAP

2008/9/9 pongba

> 人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索这些无疑是 CS
> 领域最好玩的分支了（也是互相紧密联系的），也是最近我关注得比较多的领域。
> 打算集这里的牛人们之力，整理一个资源导引，不仅包括经典书籍，还有期刊，名人，Website 等网络资源，整理完了建一个页面保存起来（供瞻仰:P
> ）:-)

> 我先列几个吧，比较初级和经典的，肯定有许多遗漏，请大家补充：

> 书籍：
> 1. 入门好书《Programming Collective Intelligence》，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P
> 2. Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典），上次讨论中 Shenli
> 使我开始看这本书了，建议有选择的看，部头还是太大了，比如我先看里面的概率推理部分的。
> 3. 《The Elements of Statistical Learning》，数学性比较强，可以做参考了。
> 4. 《Foundations of Statistical Natural Language Processing》，自然语言处理领域公认经典。
> 5. 《Data Mining, Concepts and Techniques》，华裔科学家写的书，相当深入浅出。
> 6. 《Managing Gigabytes》，信息检索经典。
> 7. 《Information Theory：Inference and Learning Algorithms》，参考书吧，比较深。

> 相关数学基础（参考，不是拿来通读的）：
> 《矩阵分析》，Roger Horn。矩阵分析领域无争议的经典。
> 《概率论及其应用》，威廉·费勒。也是极牛的书。
> __ 哪位补充一本基本的线性代数的？
> 《Nonlinear Programming, 2nd》非线性规划的参考书。
> 《Convex Optimization》凸优化的参考书。

> 工具：
> 1. Weka （或知识发现大奖的数据挖掘开源工具集，非常华丽）

> Wikipedia：
> 这个可以不用列了，直接去上面一搜，反正到处都是超链接。

> 牛人：
> 这个要列表里面的 Ph.D 大大们群策群力来完成了。

> 期刊：
> 同上。

> P.S. 与认知科学交叉的一些资料请参考上次的一个帖子
> 。

《人工智能》课程参考文献

1. Agrawal R, Imielinski T, and Swami A. Database mining: A performance perspective. IEEE Transaction on Knowledge and Data Engineering, 1993, (5): 914-925

2. Altrock C et al. Advanced Fuzzy Logic Control Techniquies in Automotive Applications. Proc. of IEEE Int.Conference on Fuzzy Systems, 1992. 835-842

3. Baldi P and Brunak S. Bioinformatics: The Machine Learning Approach. Cambridge, MA: MIT Press, 1998

4. Berthold M and Hand D J. Intelligent Data Analysis: An Introduction. Springer-Verlag, 1999

5. Bezdek J C. On the Relationship between Neural Networks, Pattern Recognition and Intelligence. The Int J of Approximate Reasoning, 1992, 6(2): 85-107

6. Bezdek J C. What is Computational Intelligence? In Zurada J M et al (eds): Computational Intelligence Imitating Life, 1-12, New York: IEEE Press, 1994

7. Buchanan B G and Glick J. AI topics, A responsibility to celebrate AI responsibly. AI Magazine, Spring 2002: 87-94

8. Cai J F, Liu J Q, and Cai Z. System identification and robust criterion of discrete autonomous multi-agent system. In: Zhou J, Jian A K, Zhang T X et al, eds. Proc. SPIE Int Symposium on Multi-spectral Image Processing, Vol.3545: 122-125, Wuhan, China, 1998

9. Cai Z and Gong T. Multi-dimension education immune network. Proc. 6th World Multi-conference on Systemics, Cybernetics and Informatics, Orlando, FL, USA, July 2002.

10. Cai Z and Peng Z. Cooperative coevolutionary adaptive genetic algorithm in path planning of cooperative multi-mobile robot system. J. Intelligent and Robotic Systems: Theories and Applications, 2002, 33(1): 61-71

11. Cai Z and Tang S X. Controllability and robustness of T-fuzzy system under directional disturbance. Fuzzy Sets and Systems, 2000, 11(2): 279-285

12. Cai Z, Fu K S. ExpertSystemBased Robot Planning. Control Theory and Applications, 1988, 5(2): 30-37

13. Cai Z. Disciplinary frame and general features for intelligence science. Proc. 1st China-Korea Joint Workshop on Intelligent Systems, Seoul, Korea, 2002: 1-4

14. Cai Z. Intelligent Control: Principles, Techniques and Applications. Singapore-New Jersey: World Scientific Publishers, Dec. 1997

15. Cai Zixing， Fu K S. Robot Planning Expert Systems. Proc. IEEE Int. Conf. on Robotics and Automation, Vol.3, San Francisco: IEEE Computer Society Press, 1986. 1973-1978

16. Cai Zixing, Jiang Zhiming. A Multirobotic Pathfinding Based on Expert System.Preprintns of IFAC/IFIP/IMACS Int. Symposium on Robot Control.Pergamon Press, 1991. 539-543

17. Cai Zixing, Tang Shaoxian. A Multirobotic Planning Based on Expert System. High Technology Letters, 1995, 1(1): 76-81

18. Cai Zixing, Wang Yaonang, Cai Jingfeng. A Realtime expert Control System. AI in Engineering, 1996, 10(4): 317-322

19. Cai Zixing. A Knowledge Based Flexible Assembly Planner. IFIP Transaction, B-1. North Holland，1992: 365-371

20. Cai Zixing. An Expert System for Robotic Transfer Planning,Computer Science and Technology, 1988, 3(2): 153-160

21. Cai Zixing. Robot Path Finding with Collision Avoidance. Computer Science and Technology, 1989, 4(3): 229-235

22. Cai Zixing. Some Research Works on Expert System in AI Course at Purdue. Proc. IEEE Int. Conf. on Robotics and Automation, Vol.3, San Francisco: IEEE Computer Society Press, 1986. 1980-1985

23. Cios K, Pedrycz W, and Swiniarski R. Data Mining Methods for Knowledge Discovery. Boston: Kluwer Academic Publishers, 1998

24. DeJone K A. Genetic Algorithms: A 25 Year Perspective, In: Computational Intelligence Imitating Life. Eds. J M Zurada et al, New York: IEEE Press, 1994

25. Dumitrescu D., Lazzerini B., Jain L. C., Dumitrescu A. Evolutionary Computation. CRC Press, 2000

26. Durkin J. Expert Systems: Design and Development. New York: Macmillan Publishing Company, 1994

27. Fayyad U M, Piatetsky-Shapiro G, and Smyth P, et al. editors. Advances in Knowledge Discovery and Data Mining. Cambridge, MA: AAAI/MIT Press, 1996

28. Fogel D B, Evolutionary Computation: Toward a New Philosophy of Machine Intelligence, Second Edition. IEEE Press, 2000

29. Fogel L J. Intelligence Through Simulated Evolution: Forty Years of Evolutionary Programming. A Wiley-Interscience Publication, 1999

30. Fu K S. Learning Control Systems and Intelligent Control Systems: A Intersection of Artificial Intelligence and Automatic Control. IEEE Trans, 1971, AC-16(1): 70-72

31. Gen M, Cheng R. Genetic Algorithms and Engineering Optimization. A Wiley-Interscience Publication, 2000

32. Genesereth M R, Nilsson N J. Logic Foundation of Artificial Intelligence. Los Altos, CA, USA: Morgan Kaufman, 1987

33. Gevarter W B. Artificial Intelligence Applications: Expert Systems. Computer Vision and Natural Language Processing, NOYES Publications, 1984

34. Goldberg D E. Genetic Algorithms in Search, Optimization, and Machine Learning. Readings, MA: Addison-Wesley, 1989

35. Goldberg D. Genetic Algorithms in Search, Optimization, and Machine Learning. Reading, MA: Addison-Wesley, 1989

36. Grossberg S. Neural Networks and Neural Intelligence. Cambridge, Mass: MIT Press, 1988

37. Hajek P, et al. Uncertain Infromation Processing Expert Systems. Boca Raton, Florida: CRC Press, 1992

38. Han J and Kamber M. Data Mining: Concepts and Techniques. Los Altos, CA, USA: Morgan Kaufmann Publishers, 2001

39. Hayes Roth F, Waterman D, Lenat D eds. Building Expert Systems. New York: Addison Wesley, 1983

40. Hearst M A and Hirsh H. AI’s greatest trends and controversies. IEEE Intelligent System and Their Applications, January/February, 2000: 8-17

41. Hertz J, Krogh A, and Palmer R G. Introduction to the Theory of Neural Computation. Reading, MA: Addison-Wesley, 1991

42. Holland J H. Adaptation in Neural and Artificial Systems. Ann Arbor, Michigan: The University of Michigan Press, 1975; Cambridge, MA: MIT Press, 1992

43. Hopfield J J. Artificial Neural Networks. IEEE Circuit and Devices Magazine, 1988, 12

44. Kelly R V Jr. Practical Knowledge Engineering. Digital Press, 1991

45. Khanna T. Foundation of Neural Networks. New York: Addison Wesley. 1990

46. Kosko B. Neural Networks and Fuzzy Systems. A Dynamical Systems Approach to Machine Intelligence. New York:: Prentice Hall, 1992

47. Liu J and Cai Z. An incremental time-delay neural network for dynamical recurrent associative memory. High Technology Letters, 2002, 8(1): 72-75

48. Liu J and Cai Z. Learning of goal directed spatial knowledge from temporal experience for navigation. Proc. 6th Int. Conference on Intelligent Engineering Systems, 57-62, 2002

49. Maes P. Designing Autonomous Agents. Cambridge, MA: MIT Press, 1990

50. Marks R. Intelligence: Computational versus Artificial. IEEE Trans. Neural Networks, 1993, 4(5): 737-739

51. Michalewics Z. Genetic Algorithms + Data Structure = Evolution Programs. Berlin: Springer-Verlag, 1994

52. Minsky M. Society of Mind. New York: Simon & Schuster, 1986

53. Mitchell T M. Machine Learning. New York: McGraw-Itill, 1997

54. Morell R et al eds. Minds, Brains, and Computers: Perspectives in Cognitive Science and Artificial Intelligence. Ablex Publishing Corporation, 1992

55. Murthy S K. Automatic construction of decision trees from data: A multi-disciplinary survey. Data Mining and Knowledge Discovery, 1998, (2): 345-389

56. Negoita C V. Expert Systems and Fuzzy Systems.Benjammin/Cummings Publishing CompanyInc,1985

57. Newell A, Shaw J C, Simon H A. A Variety of Intelligent Learning in General Problem Solver. Self Organizing Systems. New York: Pergamon Press, 1960

58. Nilsson N J. Artificial Intelligence: A New Synthesis. Morgan Kaufmann, 1998

59. O’shen T, Eisenstadt M. Artificial Intelligence:Tools, Techniques, and Applications. Harper & Row Publishers, 1984

60. Rich E. Artificial Intelligence. New York: McGraw Hill Book Company, 1983

61. Russell S, Norvig P. Artificial Intelligence: A Modern Approach. New Jersey: Prentice-Hall, 1995

62. Serra R, Zannrini G. Complex Systems and Cognitive Processes. New York: SpringerVerlag, 1990

63. Shi Zhongzhi. Principles of Machine Learning. Beijing: International Academic Publishers, 1992

64. Srinivas M, Patnaik L M. Genetic Algorithms: A Survey. IEEE Computer, June 1994, 17-26

65. Tanimoto S L. The Elements of AI. IEEE Computer Society Press, 1987

66. Walker T C, Miller R K. Expert Systems Handbook. An Assessment of Technology Applications. The Fairmont Press Inc, 1990

67. Wiener N. Cybernetics, or Control and Communication in the Animal and the Machine. Cambridge, MA: MIT Press, 1948

68. Winston P H. Artificial Intelligence (Second Edition). Addison Wesley Publishing Co,1984

69. Winston P H. Artificial Intelligence (Third Edition). Addison Wesley, 1992

70. Wooldridge M J, Jennings N R. Intelligent Agent: theory and practice. Knowledge Engineering Review, 1995, 10(2): 115-152

71. Wooldridge M J. Agent-based software engineering. IEEE Trans. on Software Engineering, 1999, 144(1): 26-37

72. Xiao X M, Cai Z. Quantification of uncertainty and training of fuzzy logic systems. IEEE Int. Conference on Intelligent Processing Systems, 321-326, 1997

73. Zadeh L A. A new direction in AI: toward a computational theory of perceptions. AI Magazine, Spring 2001: 73-84

74. Zadeh L A. Fuzzy sets. Information and Control. 1965, 8: 338-353

75. Zadeh L A. Making Computers Think Like People. IEEE Spectrum, August, 1984

76. Zurada J M, Marks II R J, Robinson C J (eds). Computational Intelligence Imitating Life. New York: IEEE Press, 1994

77. 安奇·布勒 (波兰) 著, 刘娟、李伟钢译. 仿脑. 长沙: 湖南科技出版社, 2001

78. 蔡自兴, 傅京孙. ROPES: 一个新的机器人规划系统.模式识别与人工智能，1987, 1(1): 77-85

79. 蔡自兴, 贺汉根. 智能科学技术若干研究问题的思考. 自动化学报, 2002, (增刊): 142-150

80. 蔡自兴, 姜志明. 基于专家系统的机器人规划. 电子学报, 1993, 21(5): 88-90

81. 蔡自兴, 徐光祐. 人工智能及其应用, 第二版. 北京: 清华大学出版社, 1996

82. 蔡自兴. 艾真体——分布式人工智能研究的新课题. 计算机科学, 2002, 29(12): 123-126

83. 蔡自兴. 机器人学. 北京: 清华大学出版社, 2000

84. 蔡自兴. 机器人原理及其应用. 长沙: 中南工业大学出版社, 1988

85. 蔡自兴. 人工智能研究的若干问题. 第五届中国人工智能联合会议论文集, 527-528. 西安交通大学出版社, 1998

86. 蔡自兴. 人工智能研究发展展望. 高技术通讯, 1995, 5(7): 59-61

87. 蔡自兴. 一个机器人搬运规划专家系统. 计算机学报, 1988, 11(4): 242-250

88. 蔡自兴. 一种用于机器人高层规划的专家系统. 高技术通讯, 1995, 5(1): 21-24

89. 蔡自兴. 智能控制. 北京: 电子工业出版社, 1990

90. 蔡自兴. 智能控制——基础与应用. 北京:国防工业出版社, 1998

91. 蔡自兴.关于人工智能学派及其在理论、方法上的观点.高技术通讯，1995，5(5)：55—57

92. 蔡自兴.人工智能对人类的深远影响.高技术通讯，1995，5(6)：55—57

93. 陈慧萍, 赵跃华, 钱旭. 人工智能教程. 北京: 电子工业出版社, 2001

94. 陈越, 王亚弟. 软件Agent及其应用. 微机发展, 1997, (5): 1-3

95. 戴汝为, 王珏, 陈兆莹. 关于可视知识的讨论. 模式识别与人工智能. 1988. 1(2): 52-57

96. 戴汝为, 王珏, 田捷. 智能系统的综合集成. 杭州: 浙江科技出版社, 1995

97. 戴汝为. 人工智能. 北京: 化学工业出版社, 2002

98. 丁永生, 邵世煌, 任立红. DNA计算与软计算. 北京: 科学出版社, 2002

99. 董红斌, 孙羽. 多Agent系统的现状与进展. 计算机应用研究, 2001, (1): 54-56

100. 傅京孙, 蔡自兴, 徐光祐. 人工智慧及其应用. 台北: 台湾儒林图书出版公司, 1992

101. 傅京孙, 蔡自兴, 徐光祐. 人工智能及其应用. 北京: 清华大学出版社, 1987

102. 高济, 朱淼良, 何钦铭. 人工智能基础. 北京: 高等教育出版社, 2002

103. 格雷厄姆 (Graham N) 著, 戎志盛, 高育德译. 人工智能使机器思维. 北京: 机械工业出版社, 1985

104. 龚涛, 蔡自兴. 智能系统的免疫机制和鲁棒性分析. 广西师范大学学报 (自然科学版), 2003, 21(1): 55-57

105. 何华灿, 王华等. 泛逻辑学原理. 北京: 科学出版社, 2001

106. 何华灿. 人工智能导论. 西安：西北工业大学出版社，1988

107. 何新贵. 知识处理与专家系统. 北京：国防工业出版社，1990

108. 胡朝晖, 陈奇, 俞瑞钊. 移动Agent系统综述. 计算机应用研究, 2002, (10): 1-3

109. 胡舜耕, 张莉, 钟义信. 多Agent系统的理论、技术及其应用. 计算机科学, 1999, 26(9): 20-24, 39

110. 胡运发，高洪奎.人工智能系统—原理与设计.国防科技大学出版社，1988

111. 焦李成.神经网络系统理论.西安：西安电子科技大学出版社，1990

112. 李宏亮 (导师金士尧). 基于Agent的复杂系统分布仿真. 国防科学技术大学博士学位论文, 2002

113. 李陶深. 人工智能. 重庆大学出版社, 2002

114. 李应潭. 生命与智能. 沈阳出版社, 1999

115. 李祖枢, 涂亚庆. 仿人智能控制. 北京: 国防工业出版社, 2003

116. 廉师友. 人工智能技术导论, 第二版. 西安电子科技大学出版社, 2002

117. 林祥金，蔡庆生.人工智能，科学技术文献出版社重庆分社，1988

118. 林尧瑞, 郭木河. 人类智慧与人工智能. 北京: 清华大学出版社, 2001

119. 林尧瑞，马少平.人工智能导论.北京：清华大学出版社，1989

120. 林尧瑞，张钹，石纯一.专家系统原理与实践.北京：清华大学出版社，1988

121. 刘大有, 杨鲲, 陈建中. Agent研究现状与发展趋势. 软件学报, 2000, 11(3): 315-321

122. 刘健勤. 人工生命及其应用. 北京: 冶金工业出版社, 1997

123. 刘娟 (导师蔡自兴). 基于时空信息与认知模型的移动机器人导航机制研究. 中南大学博士学位论文, 2003

124. 刘勇, 康立山. 非数值并行算法 (第二册)－遗传算法. 北京: 科学出版社, 1995

125. 陆汝铃. 人工智能. 北京: 科学出版社, 1989, 2000

126. 陆汝钤主编. 世纪之交的知识工程与知识科学. 北京: 清华大学出版社, 2001

127. 蒙祖强, 蔡自兴. 基于主控流动的多级multi-agent系统. 计算机工程与应用, 2001, 37(21): 28-30

128. 蒙祖强, 蔡自兴. 一种基于超群体的遗传算法. 计算机工程与应用, 2001, 37(13): 13-15

129. 潘正君, 康立山, 陈毓屏. 演化计算. 北京: 清华大学出版社, 广西科学技术出版社, 1998

130. 钱学森,宋健.工程控制论(修订版).北京：科学出版社，1980

131. 乔兵, 朱剑英. 多Agent智能制造系统研究综述. 南京航空航天大学学报, 2001, 33(1): 1-7

132. 邵军力, 张景, 魏长华. 人工智能基础. 北京: 电子工业出版社, 2000

133. 施鹏飞、姚远.人工智能教程.北京：上海交通大学出版社，1993

134. 史忠植. 高级人工智能. 北京: 科学出版社, 1998

135. 史忠植. 知识发现. 北京: 清华大学出版社, 2002

136. 史忠植. 智能主体及其应用. 北京: 科学出版社, 2000

137. 帅典勋, 顾静. 多Agent系统分布式问题求解的代数模型方法(I): 社会行为、社会局势和社会动力学. 计算机学报, 2002, 25(2): 130-137

138. 帅典勋, 顾静. 多Agent系统分布式问题求解的代数模型方法(II): 群体智能和社会动力学. 计算机学报, 2002, 25(2): 138-147

139. 宋健. 智能控制——超越世纪的目标（Intelligent Control——A Goal Exceeding the Century）, 中国工程学报, 1999, 1(1):1-5; IFAC第14届世界大会报告, 1999年7月5日, 北京

140. 唐稚松. 时序逻辑程序设计与软件工程. 北京: 科学出版社, 2002

141. 涂序彦. “人工生命”的概念、内容和方法. 2001年中国智能自动化学术会议论文集, 2001年8月

142. 涂序彦. 人工智能及其应用, 北京: 电子工业出版社, 1988

143. 王荣波, 周昌乐. 移动Agent研究综述. 计算机应用研究, 2001, (6): 9-11

144. 王永庆. 人工智能原理与方法, 第十一章. 西安交通大学出版社, 1998

145. 文敦伟 (导师蔡自兴). 面向多智能体和神经网络的智能控制研究. 中南大学博士学位论文, 2001

146. 文敦伟, 蔡自兴. 递归神经网络的模糊随机学习算法. 高技术通讯, 2002, 12(1): 54-56

147. 吴春明 (导师朱淼良, 何志均). 基于多智能体的分布式智能机器人体系结构研究. 浙江大学博士学位论文, 1995

148. 西蒙 (Simon H A) 著, 荆其诚, 张厚粲译. 人类的认知: 思维的信息加工理论. 北京: 科学出版社, 1986

149. 徐立本, 姜云飞. 机器学习及其应用. 长春: 吉林大学社会科学丛书编辑部, 1988

150. 阎平凡, 张长水. 人工神经网络与模拟进化计算. 北京: 清华大学出版社, 2000

151. 杨炳儒主编. 知识工程与知识发现. 北京: 冶金工业出版社, 2000

152. 杨祥全，蔡庆生.人工智能.重庆：科技文献出版社重庆分社，1988

153. 尹朝庆, 尹皓. 人工智能与专家系统. 北京: 中国水利水电出版社, 2002

154. 张钹, 张铃. 问题求解理论及应用.北京: 清华大学出版社, 1990

155. 张文修, 梁怡. 遗传算法的数学基础. 西安交通大学出版社, 2000

156. 赵瑞清. 专家系统原理. 北京: 气象出版社, 1987

157. 郑金华, 蔡自兴. 狭义遗传算法. 计算机工程与应用, 1999, 35(12):

158. 郑金华, 蔡自兴. 自动区域划分的分区搜索狭义遗传算法. 计算机研究与发展, 2000, 37(4): 397-400

159. 钟晓, 马少午, 张钹等. 数据挖掘概述. 模式识别与人工智能, 2001, 14(1): 48-55

160. 周翔, 蔡自兴. 基于多分辨遗传的多层感知神经网络及其在短期电力负荷预估中的应用. 计算机工程与应用, 1999, 35(3) :10-12

161. 朱福喜, 汤怡群, 傅建明. 人工智能基础. 武汉大学出版社, 2002

162. 邹小兵, 蔡自兴. 基于传感器信息的环境非光滑建模与路径规划. 自然科学进展, 2002, 12(11): 1188-1192

2009年5月11日星期一

Index

http://hbduan.buaa.edu.cn/web_links/WhatsNew.htm
定性推理方法

2009年4月9日星期四

Fields

learning theory
discriminative learning
manifold learning
Large margin classifiers
Large Margin Classifiers
Convexity and Classification
Large Margin Methods for Structured Classification: Exponentiated Gradient Algorithms
自然语言处理(NLP)
Penn Treebank
Discriminative Reranking
Convolution Kernels
Discriminative Training Methods for Hidden Markov Models
Sparse Network
Structured Data
spectral clustering
Graphical model
nonparametric Bayesian
probabilistic graphical model
SVM(Suported Vector Machine)
Gaussian Mixture Model (GMM)
k-means
Spectral Clustering
k-medoids
Vector Quantization

Resource

Neural Network Learning: Theoretical Foundations
Machine Learning Approaches for NLP(http://www.ai.mit.edu/courses/6.891-nlp/)
Machine Learning(机器学习：局部和整体的学习)
PATTERN CLASSIFICATION，SECOND EDITION
MACHINE VISION ： THEORY， ALGORITHMS， PRACTICALITIES THIRD EDITION
ARTIFICIAL INTELLIGENCE： STRUCTURES AND STRATEGIES FOR COMPLEX PROBLEM SOLVING (6TH EDITION)

GreatMan

M. I. Jordan
Daphne Koller
Andrew Ng
Tommi Jaakkola
David Blei
Terry Winograd、David Marr、Tom Mitchell、Rodney Brooks
Ben Taskar
J. D. Lafferty
Xiaojin Zhu
Peter L. Bartlett
Michael Collins (http://people.csail.mit.edu/mcollins/)
Mitchell P. Marcus
Robert Schapire、Yoram Singer
Dan Roth (http://l2r.cs.uiuc.edu/~danr/)

2009年4月6日星期一

在线资源

* http://www.r-project.org/ R 的官方网站

* http://cran.r-project.org/manuals.html R 官方文档

* http://www.bioconductor.org/ R 在生物学里面的应用, 主要是芯片数据.

* http://www.biosino.org/R/R-doc/ R的一些中文文档

* http://cran.r-project.org/doc/Rnews/ R 的官方杂志. 里面有一些具体问题的 R 例子.

* http://wiki.r-project.org/rwiki/doku.php R 的官方Wiki. 目前还不够完善, 有一些具体的例子说明.

* http://addictedtor.free.fr/graphiques/ 一个不错R绘图的例子网站(点击"Graphics List", 就可以看到所有 R 图片的列表).

* http://zoonek2.free.fr/UNIX/48_R/all.html R在统计学方面应用最全的一个文档

* http://www.math.csi.cuny.edu/Statistics/R/simpleR/index.html simpleR 的官方网站,主要用于工业方面的统计分析
* http://statcomp.ats.ucla.edu/R/ UCLA 的 R 资源列表

* R for Beginners: 一本不错的 R 入门教材,例子比较通俗易懂. (已有中文版)

* simpleR: 我早期看过的一个例子比较多的文档，个人推荐。

* Using R for Data Analysis and Graphics - Introduction, Examples and Commentary: 写的通俗易懂，可操作性强，比 simpleR 略为复杂一点，个人推荐。

* An Introduction to R: R 官方文档中面向一般用户的, 内容较全, 可能针对性不强，可以当手册查。 (已有中文版)

* Practical Regression and Anova using R: 用 R 做回归分析，写得有点涩，需要一些数学功底。(该文档有点老)

* Statistics with R: 除了 R 官方的Manual, 这个文档可能是我看到的对 R传统统计方面描述的最全面的一个.

建议
初学者学习 R 语言的文档（教材）阅读顺序可以参考如下：
R for Beginners --> simpleR / Using R --> An Introduction to R

Machine Learning & Statistical Learning （机器学习 & 统计学习）

网址：http://cran.r-project.org/web/views/MachineLearning.html维护人员：Torsten Hothorn
版本：2008-02-18 18:19:21
翻译：R-fox, 2008-03-18

机器学习是计算机科学和统计学的边缘交叉领域，R关于机器学习的包主要包括以下几个方面：
1）神经网络（Neural Networks）：
nnet包执行单隐层前馈神经网络，nnet是VR包的一部分（http://cran.r-project.org/web/packages/VR/index.html）。
2）递归拆分（Recursive Partitioning）：
递归拆分利用树形结构模型，来做回归、分类和生存分析，主要在rpart包（http://cran.r-project.org/web/packages/rpart/index.html）和tree包（http://cran.r-project.org/web/packages/tree/index.html）里执行，尤其推荐rpart包。Weka里也有这样的递归拆分法，如：J4.8, C4.5, M5，包Rweka提供了R与Weka的函数的接口（http://cran.r-project.org/web/packages/RWeka/index.html）。
party包提供两类递归拆分算法，能做到无偏的变量选择和停止标准：函数ctree()用非参条件推断法检测自变量和因变量的关系；而函数mob()能用来建立参数模型（http://cran.r-project.org/web/packages/party/index.html）。另外，party包里也提供二分支树和节点分布的可视化展示。
mvpart包是rpart的改进包，处理多元因变量的问题（http://cran.r-project.org/web/packages/mvpart/index.html）。rpart.permutation包用置换法（permutation）评估树的有效性（http://cran.r-project.org/web/packages/rpart.permutation/index.html）。knnTree包建立一个分类树，每个叶子节点是一个knn分类器（http://cran.r-project.org/web/packages/knnTree/index.html）。LogicReg包做逻辑回归分析，针对大多数自变量是二元变量的情况（http://cran.r-project.org/web/packages/LogicReg/index.html）。maptree包（http://cran.r-project.org/web/packages/maptree/index.html）和pinktoe包（http://cran.r-project.org/web/packages/pinktoe/index.html）提供树结构的可视化函数。
3）随机森林（Random Forests）：
randomForest 包提供了用随机森林做回归和分类的函数（http://cran.r-project.org/web/packages/randomForest/index.html）。ipred包用bagging的思想做回归，分类和生存分析，组合多个模型（http://cran.r-project.org/web/packages/ipred/index.html）。party包也提供了基于条件推断树的随机森林法（http://cran.r-project.org/web/packages/party/index.html）。varSelRF包用随机森林法做变量选择（http://cran.r-project.org/web/packages/varSelRF/index.html）。
4）Regularized and Shrinkage Methods：
lasso2包（http://cran.r-project.org/web/packages/lasso2/index.html）和lars包（http://cran.r-project.org/web/packages/lars/index.html）可以执行参数受到某些限制的回归模型。elasticnet包可计算所有的收缩参数（http://cran.r-project.org/web/packages/elasticnet/index.html）。glmpath包可以得到广义线性模型和COX模型的L1 regularization path（http://cran.r-project.org/web/packages/glmpath/index.html）。penalized包执行lasso (L1) 和ridge (L2)惩罚回归模型（penalized regression models）（http://cran.r-project.org/web/packages/penalized/index.html）。pamr包执行缩小重心分类法(shrunken centroids classifier)（http://cran.r-project.org/web/packages/pamr/index.html）。earth包可做多元自适应样条回归（multivariate adaptive regression splines）（http://cran.r-project.org/web/packages/earth/index.html）。
5）Boosting :
gbm包（http://cran.r-project.org/web/packages/gbm/index.html）和boost包（http://cran.r-project.org/web/packages/boost/index.html）执行多种多样的梯度boosting算法，gbm包做基于树的梯度下降boosting，boost包包括LogitBoost和L2Boost。GAMMoost包提供基于boosting的广义相加模型(generalized additive models)的程序（http://cran.r-project.org/web/packages/GAMMoost/index.html）。mboost包做基于模型的boosting（http://cran.r-project.org/web/packages/mboost/index.html）。
6）支持向量机（Support Vector Machines）：
e1071包的svm()函数提供R和LIBSVM的接口（http://cran.r-project.org/web/packages/e1071/index.html）。kernlab包为基于核函数的学习方法提供了一个灵活的框架，包括SVM、RVM……(http://cran.r-project.org/web/packages/kernlab/index.html) 。klaR 包提供了R和SVMlight的接口（http://cran.r-project.org/web/packages/klaR/index.html）。
7）贝叶斯方法（Bayesian Methods）：
BayesTree包执行Bayesian Additive Regression Trees (BART)算法（http://cran.r-project.org/web/packages/BayesTree/index.html，http://www-stat.wharton.upenn.edu/~edgeorge/Research_papers/BART%206--06.pdf）。tgp包做Bayesian半参数非线性回归（Bayesian nonstationary, semiparametric nonlinear regression）（http://cran.r-project.org/web/packages/tgp/index.html）。
8）基于遗传算法的最优化（Optimization using Genetic Algorithms）：
gafit包（http://cran.r-project.org/web/packages/gafit/index.html）和rgenoud包（http://cran.r-project.org/web/packages/rgenoud/index.html）提供基于遗传算法的最优化程序。
9）关联规则（Association Rules）：
arules包提供了有效处理稀疏二元数据的数据结构，而且提供函数执Apriori和Eclat算法挖掘频繁项集、最大频繁项集、闭频繁项集和关联规则（http://cran.r-project.org/web/packages/arules/index.html）。
10）模型选择和确认（Model selection and validation）：
e1071包的tune()函数在指定的范围内选取合适的参数（http://cran.r-project.org/web/packages/e1071/index.html）。ipred包的errorest()函数用重抽样的方法（交叉验证，bootstrap）估计分类错误率（http://cran.r-project.org/web/packages/ipred/index.html）。svmpath包里的函数可用来选取支持向量机的cost参数C（http://cran.r-project.org/web/packages/svmpath/index.html）。ROCR包提供了可视化分类器执行效果的函数，如画ROC曲线（http://cran.r-project.org/web/packages/ROCR/index.html）。caret包供了各种建立预测模型的函数，包括参数选择和重要性量度（http://cran.r-project.org/web/packages/caret/index.html）。caretLSF包（http://cran.r-project.org/web/packages/caretLSF/index.html）和caretNWS（http://cran.r-project.org/web/packages/caretNWS/index.html）包提供了与caret包类似的功能。
11）统计学习基础（Elements of Statistical Learning）：
书《The Elements of Statistical Learning: Data Mining, Inference, and Prediction 》（http://www-stat.stanford.edu/~tibs/ElemStatLearn/）里的数据集、函数、例子都被打包放在ElemStatLearn包里（http://cran.r-project.org/web/packages/ElemStatLearn/index.html）。

资料索引

2009年3月13日星期五

认知科学的世纪评比

科学在20世纪的发展有两条线索，一条是以物理科学为代表的，如相对论、量子力学以及后来的混沌。物理学在20世纪是科学的样本，可以看看波普尔、卡尔纳普、库恩、查尔默斯等均以物理学为样本建立起自己的科学哲学理论。而另一条则是以包括认知科学在内的“意向性科学”（intentional sciences）为代表的。所谓意向性科学指的是涉及到符号、指称和解释如逻辑、认知科学、神经科学、部分生物学以及计算机科学等。20世纪是个伟大的世纪，以物理学为代表的科学取得了前所未有的成就，在探索宇观和微观世界过程中，物理学将人类理解的水平提高到一个崭新境界。现在看来，物理学关于“极大 ”和“极小”这两个世界的知识再过100年，人类恐怕也永不完。与此同时，介于这两个极端的宏观世界以及人类自身却遗留下了大量的尚未解决的问题。科学研究需要进行“回采”，解决我们实际面临的种种问题。在新的世纪中，科学研究的背景将逐渐转换到这个新的层面进行作业，也就是说，以“意向性科学”为线索的探究路线将成为科学研究的主要进路。

明尼苏达大学认知科学中心于1999年举办了一次《千年项目》（Millieum Project）活动，目的是评选20世纪认知科学中的100部优秀作品。活动开始到1999年12月1日为止，在下面网站上共收到305部学术著作和一部电影的提名。实际上，这类评选活动在一些重要的时间关口总是层出不穷。说有多么权威似乎谈不上。但同时我们也不能将此类活动完全视为炒作。尤其是关系到某个学科的评比，尽管会有照应不周全之处，但总还是会有一定道理的。

《千年项目》组由以下专家组成，Apostolos Georgopoulos (神经科学)；Jeanette Gundel (通信紊乱)；Paul Johnson (卡尔松学院)；Dan Kersten (心理学)；Chuck Nelson (儿童发育)；Bruce Overmier (心理学)；Herb Pick (儿童发育)；Wade Savage (哲学)；Patty Costello (研究生院代表, 认知科学中心)。以下便是该项目组从305部作品中评选出的100部作品。排在第一位的是影响最大的。

20世纪100部最据影响的认知科学作品：

1、《句法结构》（Syntactic Structures），作者：乔姆斯基（N. Chomsky），The Hague: Mouton）(1957)；

2、《视觉：人类视信息的表征和处理的计算探究》（Vision: A Computational Investigation into the Human Representation and Processing of Visual Information）,作者：马尔（D. Marr）,San Francisco: W. H. Freeman（1982）；

3、《计算机和智能》（Computing machinery and intelligence），作者：图灵（A. M. Turing），Mind, 59, 433-460（1950）；

4、《行为的组织：一种神经心理学的理论》（The Organization of Behavior; a Neuropsychological Theory），作者：赫布（D.O. Hebb）,Wiley-Interscience, New York (1949)；

5、《并行分布式处理：认知微结构的探究》（Parallel Distributed Processing: Explorations in the Microstructure of Cognition），作者：鲁梅尔哈特和麦克科莱兰（D. E. Rumelhart and J. L. McClelland）, MIT Press: Cambrige, Mass （1986）；

6、《人类如何解决问题》（Human Problem Solving）,作者：纽瓦尔和司马贺（A. Newell, H. A. Simon）, Englewood Cliffs, NJ: Prentice-Hall（1972）；

7、《心的模块性：官能心理学》（The Modularity of Mind: An Essay on Faculty Psychology），作者：福多（J.Fodor），Cambridge, MA: MIT Press （1983）；

8、《记忆：实验与社会心理学研究》（Remembering: A Study in Experimental and Social Psychology），作者：巴特利特（F. C. Bartlett）Cambridge, England: The University Press （1932）；

9、《神奇的数字7，＋或－2：我们信息处理能力的某些极限》（The magical number seven, plus or minus two: Some limits on our capacity for processing information）,作者：米勒（G. A. Miller）, Psychological Review, 63, 81-97（1956）；

10、《知觉与通信》（Perception and Communication）,作者：布罗德本特（D. Broadbent）, New York: Pergamon Press（1958）；

11、《作为知觉系统的感觉》（The Senses Considered as Perceptual Systems），作者：吉布森（J. J. Gibson），Boston, MA: Hougton Mifflin （1966） ;

12、《数学的通信理论》（A mathematical theory of communication）,作者：香农（C. E. Shannon），Bell System Technical Journal, 27, 379-423 （1948）；

13、《论可计算数》（On computable numbers: With an application to the Entscheidungsproblem）,作者：图灵（A.M. Turing），Proceedings of the London Mathematical Society, ser. 2, 42 （1936）；

14、《内在于神经活动中的思想逻辑计算》（A logical calculus of the ideas immanent in nervous activity）,作者：麦克卡洛克和匹兹（S. W. McCulloch & W. Pitts），Mathematical Biophysics, 5:115-133 pp. 18-27 （1943）；

15、《意识清醒状态下大脑半球的断裂与整合》（Hemisphere deconnnection and unity in conscious awareness），作者：斯佩里（R. W. Sperry）,American Psychologist 23 (10), 723-733（1968）；

16、《鼠与人的认知映射》（Cognitive maps in rats and men），作者：图尔曼（E.C. Tolman），Psychological Review 55, 189-208 （1948）；

17、《费里尔讲座：猕猴视皮层功能架构》（Ferrier lecture: Functional architecture of macaque monkey visual cortex）,作者：胡伯尔和威泽尔（D. H. Hubel & T. N. Wiesel），Proceedings of the Royal Society of London B, 198, 1-59 （1977）；

18、《心理学的概念框架》（The Conceptual Framework of Psychology），作者：布伦斯维克（E. Brunswik），Chicago: University of Chicago Press (1952）；

19、《斯金纳<言语行为>述评》（A review of Skinner's "Verbal Behavior"）,作者：乔姆斯基（N. Chomsky），Language, 35, 26-58 （1959）；

20、《认知心理学》(Cognitive Psychology),作者：尼斯尔（U.Neisser），Cognitive Psychology. Englewood Cliffs, N.J.:Prentice-Hall（1967）；

21、《信号检测理论与心理物理学》（Signal Detection Theory and Psychophysics）,作者：格林和斯韦特斯（D.M. Green and J.A. Swets），New York: Wiley （1966）；

22、《思的研究》（A Study of Thinking）,作者：格林、斯韦特斯和奥斯汀（J. R. Bruner, J. J. Goodnow & G. A. Austin），New York: Wiley （1956）；

23、《三维物体的心内旋转》（Mental rotation of three-dimensional objects）,作者：谢泼德和梅兹勒（R.N. Shepard and J.Metzler）Science, 171, 701-703 （1971）；

24、《人工物的科学》（The Sciences of the Artificial）,作者：司马贺（H. A. Simon），MIT Press（1969）；

25、《行为中的顺次问题》（The problem of serial order in behavior）,作者：拉什利（K. S. Lashley）,in Cerebral Mechanisms in Behavior, Wiley, pp. 112-136 （1951）；

26、《心理物理学导论：知觉、神经和社会展望》（Psychophysics: Introduction to its Perceptual, Neural, and Social Prospects），作者：史蒂文斯（S. S. Stevens）New York, NY: John Wiley and Sons. （1975）, v, 329；

27、《认知的构架》（The Architecture of Cognition），作者：安德森（J.R. Anderson），Cambridge, MA: Harvard University Press （1983）；

28、《思想和语言》（Thought and Language (Myshlenie i rech'.)），作者：维哥托夫斯基（Lev Vygotsky），(E.Hanfmann and G. Vakar, Trans.). Cambridge, M.I.T Press，(1964 (original work 1934))；

29、《行为的计划和结构》(Plans and the Structure of Behavior),作者：米勒、加兰特和普里伯拉姆（G.A.Miller E. Galanter and K.H. Pribram），New York, Holt, Rinehart and Winston, Inc.(1960)；

30、《句法理论诸方面》(Aspects of the Theory of Syntax)，作者：乔姆斯基（N. Chomsky），Cambridge, MA: MIT Press (1965)；

31、《认知统一论》（Unified Theories of Cognition），作者：纽瓦尔（A. Newell），Cambridge, MA: Harvard University Press (1990)；

32、《控制论(或关于在动物和机器中控制和通信的科学)》（Cybernetics, or Control and Communication in the Animal and the Machine），作者：维纳（N. Wiener），New York: Wiley (1948)；

33、《论预测心理学》(On the psychology of prediction),作者：卡内曼和特韦斯基（D. Kahneman & A. Tversky），Psychological Review, 80, 237-251 (1973)；

34、《单个的单元和感觉：知觉心理学的神经元原理》(Single units and sensation: A neuron doctrine for perceptual psychology)，作者：巴罗（H. Barlow），Perception, 1, 371-394 (1972)；

35、《知觉学习和发育原理》(Principles of Perceptual Learning and Development)，作者：吉布森（E.J. Gibson），Appleton, Century and Croft (1969)；

36、《视知觉的生态学方法》(The Ecological Approach to Visual Perception),作者：吉布森（J. J. Gibson），(1979)；

37、《自然的范畴》(Natural Categories),作者：罗施（E. Rosch）Cognitive Psychology, 7,573-605 (1973)；

38、《蛙眼告诉蛙脑什么》(What the frog's eye tells the frog's brain),作者：勒特文等（J.Y. Lettvin, H.R. Maturana, W.S. McCulloch & W.H. Pitts），Proceedings of the IRE, Vol. 47, No. 11, pp. 1940-51 (1959)；

39、《为了脑的设计：适应行为的起源》(Design for a Brain: The Origins of Adaptive Behavior),作者：罗斯（Ashby, W. Ross），New York: Willey (1960)；

40、《博弈论和经济行为》(Theory of Games and Economic Behavior)，作者：冯诺依曼和摩根斯坦（J. Von Neumann & O.Morgenstern），([3d ] ed.). New York,: Science Editions J. Wiley.（1964）；

41、《简洁视觉表征中的信息》（The Information Available in Brief Visual Presentations），作者：斯伯林（G. Sperling），Psychological Monographs, 74 (Whole number 498) (1960)；

42、《心、脑和程序》(Minds, brains and programs),作者：塞尔（J.R. Searle），The Behavioral and Brain Sciences, 3.(1980)；

43、《人类记忆的高速记忆扫描》（High-speed memory scanning in human memory），作者：斯坦恩博格（S. Sternberg），Science, 153, 652-654 (1966)；

44、《表征知识的框架》(A framework for representing knowledge)，作者：明斯基（M. Minsky），in P. H. Winston (Ed.), The Psychology of Computer Vision. New York: McGraw-Hill, pp. 211-277 (1975)；

45、《语言的生物学基础》（Biological Foundations of Language）,作者：伦纳博格（E. H. Lenneberg），New York: Wiley (1967)；

46、《儿童对世界的把握》(The Child's Conception of the World),作者：皮亚杰（J. Piaget），New York: Harcourt, Brace, and World (1930)；

47、《处理的水平：记忆研究纲要》（Levels of processing: A framework for memory research），作者：克雷克和洛克哈德（F.I. Craik and R. S. Lockhart),Journal of Verbal Learning and Verbal Behavior, 12, 599-607 (1972) ；

48、《顺序言语反映研究》(Studies of interference in serial verbal reactions),作者：斯特罗普（J. Stroop），Journal of Experimental Psychology, 18, 643-661 (1935)；

49、《自复制自动机理论》(Theory of Self-reproducing Automata),作者：冯诺依曼和伯克斯（J. Von Neumann & A. W. Burks），Urbana,: University of Illinois Press (1966)；

50、《视觉世界的知觉》(The Perception of the Visual World)，作者：吉布森（J. J. Gibson），Westport, Conn.: Greenwood Press (1950)；

51、《格式塔心理学原理》(Principles of Gestalt Psychology),作者：考夫卡（K. Koffka,），New York: Harcourt, Brace and Co.(1935)；

52、《论人类视觉系统神经元的存在》（On the existence of neurones in the human visual system selectively sensitive to the orientation and size of retinal images），作者：布莱克莫尔和坎贝尔（C. Blakemore & F.W. Campbell），Journal of Physiology, 203, 203-260 (1969)；

53、《通过组分的认知：人类图像理解的理论》(Recognition-by-components: a theory of human image understanding),作者：比德曼（I. Biederman），Psychological Review, 94, 115-147 (1987)；

54、《哲学研究》（Philosophical Investigations），作者：维特根斯坦（Ludwig Wittgenstein），New York: Macmillan (1953)；

55、《注意力的特征整合理论》(A feature integration theory of attention)，作者：特莱斯曼和格莱德（A. Treisman and G. Gelade）Cognitive Psychology, 12, 97-136 (1980) ；

56、《工作的大脑：神经心理学导论》(The Working Brain: An Introduction to Neuropsychology),作者：卢里亚（A. R. Luria）New York: Basic Books (1973);

57、《独眼人的知觉基础》(Foundations of Cyclopean Perception),作者：朱利兹（B. Julesz），Chicago, IL: The University of Chicago Press (1971)；

58、《儿童的实在构造》(The Construction of Reality in the Child),作者：皮亚杰(J. Piaget), NY: Ballantine Books(1954)；

59、《思想的语言》(The Language of Thought),作者：福多（J. A. Fodor），New York: Crowell (1975)；

60、《偶发记忆中的编码特异性和处理过程》(Encoding specificity and retrieval processes in episodic memory)，作者：塔尔英和汤姆生（E. Tulving and D.Thompson），Psychological Review, 80, 352-373(1973)；

61、《学习定式的形成》（The formation of learning sets），作者：哈罗（H. F. Harlow），Psychological Review, 1949, 56, 51-65 (1949)；

62、《心的模型：走向语言、推理和意识的认知科学》（Mental models: Towards a Cognitive Science of Language, Inference, and Consciousness），作者：约翰逊－拉尔德（P. M. Johnson-Laird），Cambridge MA: Harvard University Press（1983）；

63、《计算机不能做什么》（What Computers Can't Do），作者：德赖福斯（H. L. Dreyfus），MIT Press（1972）： 64、《科学革命的结构》（The Structure of Scientific Revolutions），作者：库恩（T. S. Kuhn），Chicago: University of Chicago Press（1962）；

65、《裂脑》（The Bisected Brain），作者：伽扎尼加（M. Gazzaniga），(1970)

66、《意向性立场》（The Intentional Stance），作者：丹内特（D. C. Dennett），MIT Press（1987）；

67、《猴脑后颅顶联想皮层：外人格空间内的运算指令功能》（Posterior parietal association cortex of the monkey: command functions for operations within extrapersonal space），作者：蒙特卡斯特尔等（V.B. Mountcastle, J.C. Lynch, A .Georgopoulos, H. Sakata, C.Acuna）；J Neurophysiol 38:871-908（1975）；

68、《不确定性之下的判断：启发和偏见》（Judgments under uncertainty: Heuristics and biases）；作者：特韦斯基和卡纳曼（A. Tversky & D. Kahneman），Science, 185, 1124-1131（1974）；

69、《接近度的分析：带未知距离函数的多维梯度》（The analysis of proximities: Multidimensional scaling with an unknown distance function），作者：谢泼德（R. N. Shepard），Psychometrika, 27(2), 125-140（1962）；

70、《傅立叶分析在格栅可见度中的应用》（Application of Fourier analysis to the visibility of gratings），作者：坎贝尔和罗伯逊（F.W. Campbell and J.G. Robson），Journal of Physiology. 197: 551-566（1968）；

71、《记忆》（Working memory），作者：巴德雷和希齐（A.D. Baddeley and A.D. Hitch），in G. Bower (Ed.), The psychology of learning and motivation, Vol. 8; pp 47-89). New York: Academic Press（1974）；

72、《语言、思想和实在选集》（Language, Thought and Reality; Selected Writings），作者：沃尔夫（B. L. Whorf），（ed. by J. Carroll），Boston, MA: MIT Press （1956）；

73、《二个皮层视觉系统》（Two cortical visual systems），作者：恩格尔莱德和米什金（L.G. Ungerleider and M. Mishkin），in D.J. Ingle, M.A. Goodale, and R.J.W. Mansfield (Eds.), Analysis of visual behavior. Cambridge, MA: MIT Press （1982)）；

74、《知觉元》（Perceptrons），作者：明斯基和帕泊特（M. Minsky & S. Papert），Cambridge: MIT Press（1969）；

75、《感觉机制、冗余度减少和智能》（Sensory mechanisms, the reduction of redundancy, and intelligence），作者：巴罗（H. B. Barlow），Proceedings of the symposium on the mechanization of thought processes. National Physical Laboratory. HMSO, London（1959）；

76、《双测海马突起损伤后的最近记忆丧失》（Loss of recent memory after bilateral hippocampal lesions），作者：斯科维尔和米尔纳（W. B. Scoville and B. Milner），Journal of Neurology, Neurosurgery, and Psychiatry, 20（1957）；

77、《记忆》（Working Memory），作者：巴德雷（A. Baddeley），Oxford University Press（1986）；

78、《脚本、计划、目标和理解》（Scripts, Plans, Goals, and Understanding），作者：珊科和阿贝尔森（R. C. Schank and R. P. Abelson）Hillsdale, NJ: Erlbaum（1977）；

79、《心的测时探究》（Chronometric Explorations of Mind），作者：波斯纳（M. I. Posner），Hillsdale, N.J.: Lawerence Erlbaum Associates（1978）；

80、《形式、颜色、运动和深度的分异：解剖学、生理学和知觉》（Segregation of form, color, movement and depth: Anatomy, physiology and perception），作者：利文斯顿和胡伯尔（M. Livingstone & D. Hubel），Science, 240(4853):740-9 （1988）；

81、《生物学运动的视知觉及其分析模型》（Visual Perception of biological motion and a model for its analysis），作者：约翰森（G. Johansson），Perception & Psychophysics, Vol. 14 (2); 201-211（1973）；

82、《梦的解析》（The Interpretation of Dreams），作者：弗洛伊德（S. Freud），(1st English Edition) London: George Allen and Unwin Ltd.（1927）；

83、《解释的性质》（The Nature of Explanation），作者：克里克（K. Craik），Cambridge, England: Cambridge University Press（1943）；

84、《运动的协调》The Coordination and Regulation of Movements，作者：伯恩斯坦（N.A.Bernstein），Oxford, New York: Pergamon Press（1967）；

85、《神经系统的整合行动》（The Integrative Action of the Nervous System），作者：谢林顿（Sir Charles S. Sherrington），New York: Scribner's Sons（1906）；

86、《走向文本理解和生产的模型》（Toward a model of text comprehension and production），作者：金驰和范德迪克（W. Kintsch and T. A. van Dijk），Psychological Review, 85, 363-394（1978）；

87、《神经达尔文主义：神经元组选择理论》（Neural Darwinism: The Theory of Neuronal Group Selection），作者：埃德尔曼（G. M. Edelman），New York: Basic Books（1987）；

88、《光和视网膜的理论》（Lightness and retinex theory），作者：兰德和麦克凯恩（E. H. Land and J. J. McCann），Journal of the Optical Society of America, 61 (1), 1-11（1971）； 89、《作为认知映射的海马状突起》（The Hippocampus as a Cognitive Map），作者：奥基弗和内达尔（J. O'Keefe and L. Nadel），Behavioral and Brain Sciences, vol 2(4)（1979）；

90、《猿的智力》（The Mentality of Apes），作者：科勒（W. Koehler），New York: Harcourt and Brace（1925）；

91、《猿和儿童的语言理解》（Language comprehension in ape and child），作者：萨维奇－伦堡（E. Sue Savage-Rumbaugh），Monographs of the Society for Research in Child Development (serial no.233), vol 58, nos. 3-4 （1993）；

92、《灵长类前叶皮层回路和通过表征性记忆对行为的调节》（Circuitry of primate prefrontal cortex and the regulation of behavior by representational memory），作者：哥德曼－拉齐克（P.S. Goldman-Rakic），Handbook of Physiology, vol5(1), American Physiological Society, Bethesda, MD: 373-417（1987）；

93、《婴儿的话语知觉》（Speech perception in infants），作者：埃玛斯等（P.D. Eimas E.R. Siqueland, P. Jusczyk, & J. Vigorito），Science Vol 171 (3968), 303-306（1971）；

94、《心理学术语的运筹学分析》（The Operational analysis of psychological terms），作者：斯金纳（B. F. Skinner），Psychological Review, 52, 270-277（1945）；

95、《神经元群落向量的思维旋转》（Mental rotation of the neuronal population vector），作者：乔治泊罗斯等（Georgopoulos, Apostolos P., Lurito, Joseph T., Petrides, Michael., Schwartz, Andrew B., et al.），Science. Vol 243(4888), Jan 1989, 234-236（1989）；

96、《意识的解释》（Consciousness Explained），作者：丹内特（D. C. Dennett），Boston, MA: Little, Brown and Co.（1991）；

97、《来自运动结构的解释》（The interpretation of structure from motion），作者：乌尔曼（S. Ullman），Proceedings of the Royal Society of London B., 203, 405-426（1979）；

98、《荒野的认知》（Cognition in the Wild），作者：希金斯（E. Hutchins），Cambridge, Mass: MIT Press（1995）；

99、《认知技巧的获得》（Acquisition of cognitive skill），作者：安德森（J. R. Anderson），Psychological Review, 89, 369-406（1982）；

100、《人类的记忆：一种提议的体系及其控制过程》（Human memory: A proposed system and its control processes），作者：阿特金森和席夫林（R.C. Atkinson and R. M. Shiffrin），in K. W. Spence and J. T. Spence (Eds.), The Psychology of learning and motivation: Advances in research and theory (vol. 2). New York: Academic Press.（1968）。

(有些地方过于专业，难免有误译，如见有错误请告我改正。）

出处：http://www.cogsci.umn.edu/OLD/calendar/past_events/millennium/final.html

References

要学概率的话……

以下的内容摘自北京大学概率统计系主任陈大岳教授的主页。

http://cn.math.pku.edu.cn/teachers/dayue/index.htm

学习概率论的途径可以是多种多样的, 应当自己去体会摸索也许以下的建议可以供你参考.

课程学习;

【基础类】数学分析,高等代数,几何学,概率论,复变函数,实变函数,常微分方程,抽象代数,

【专业类】应用随机过程,数理统计,测度论,泛函分析,偏微分方程,拓扑学,微分流形，数学模型,集合论与图论

【其它学科】普通物理,理论力学,统计物理

【研究生】高等概率论,高等统计学,随机过程论,随机分析, 泛函分析II，随机过程选讲I，近代偏微分方程，黎曼几何引论，概率极限定理，现代时间序列分析

专业杂志:

Annals of Probability (USA)

Probability Theory and Related Fields (Germany)

Communications in Mathematical Physics (USA)

Annals of Applied Probability (USA)

Stochastic Processes and Their Applications (World)

Annales de L'Institut Henri Poincare, Probabilites et Statistiques (France)

Journal of Applied Probablity (UK)

Advances on Applied Probability(UK)

l
国际著名单位
Cornell University
University of California, Berkeley
University of British Columbia
University of Paris VI
ETH-Zentrum, Zurich

University of Cambridge
Bell Labs
Technion
Paris XI
Stanford
Madison
Columbia

http://www.mathcs.carleton.edu/probweb/probweb.html
http://www.people.carleton.edu/~rdobrow/

订阅：评论 (Atom)

理论篇