Basic terms

  • 迭代再加工模型（The Iterative Reprocessing Model）是认知神经科学为了了解表征的连接方式，把联结主义（connectionist）方法应用到了信息加工处理中。
  • 迭代（iteration）是为了实现特定目标，重复反馈过程的活动。每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值。
  • 涌现性（emergent properties）通常是指多个要素组成系统后，出现了系统组成前单个要素所不具有的性质。
  • Attractor states。吸引子（attractor）是微积分和系统科学论中的一个概念。一个系统有朝某个稳态发展的趋势，这个稳态就叫做吸引子。
  • 熵（entropy）。熵的本质是一个系统“内在的混乱程度”。吸引子状态也可以从熵的角度来理解，即从一个高熵的状态（a high entropy state ）转换为一个低熵的状态。从心理学的角度，熵可以定义为活跃表征的组织程度（entropy is the degree of organization of active representations，Cunningham 2007）。例如一个人如果傻傻地对一个概念分不清，那么这个人脑子就比较熵···

References

  • https://en.wikipedia.org/wiki/Iteration

  • Van Bavel, J. J. and W. A. Cunningham (2010). “A social neuroscience approach to self and social categorisation: A new look at an old issue.” European review of social psychology 21(1): 237-284.

  • Cunningham, W. A., et al. (2007). “The iterative reprocessing model: A multilevel framework for attitudes and evaluation.” Social cognition 25(5): 736-760.

  • Cunningham, W. A., et al. (2013). “Emotional states from affective dynamics.” Emotion Review 5(4): 344-355.