Search

With the right R packages, R is uniquely suited to perform Principal Component Analysis (PCA), Correspondence Analysis (CA), Multiple Correspondence Analysis (MCA), and metric multidimensional scaling (MMDS). The analyses depicted in this book use several packages specially developed for theses analyses and include (among others): the ExPosition suite, FactoMiner , ade4, and ca. The authors present each technique with one or several small examples that demonstrate how to enter the data, perform the standard analyses, and obtain professional quality graphics. Through explanations of the major options for how to carry out each method, readers can tailor the content of this book to their particular goals. Explanations include the effects of using particular packages. ExPosition is a great choice for the methods as it was written specifically for this book. However, options abound and are illustrated within unique scenarios. The first chapter includes installation of the packages. At the end of the book, a short appendix presents critical mathematical material for readers who want to go deeper into the theory.

This book provides the first accessible introduction to neural network analysis as a methodological strategy for social scientists. The author details numerous studies and examples which illustrate the advantages of neural network analysis over other quantitative and modeling methods in widespread use.

Cette édition numérique a été réalisée à partir d'un support physique, parfois ancien, conservé au sein du dépôt légal de la Bibliothèque nationale de France, conformément à la loi n° 2012-287 du 1er mars 2012 relative à l'exploitation des Livres indisponibles du XXe siècle. Pages de début Avant-propos Introduction Première partie - Structure des connaissances en mémoire et représentation des connaissances Les systèmes à bases de connaissances Questions de modélisation et de simulation cognitives L'analyse de la représentation des relations de finalité de causalité et de temps Deuxième partie - Raisonnement naturel et raisonnement sur machine Les mécanismes inférentiels dans le raisonnement humain Une point de vue « artificialiste » sur le raisonnement Troisième partie - Compréhension du langage naturel et traitement sur machine La compréhension du langage par ordinateur La représentation et le traitement cognitif du discours : le rôle des modèles formels L'identification visuelle des mots : expérimentation et modélisation Quatrième partie - Apprentissage naturel, apprentissage automatique symbolique, enseignement intelligemment assisté par ordinateur Approches du morcelage en apprentissage symbolique Le développement de l'enseignement intelligemment assisté par ordinateur Apprentissage : modèles et représentation Modèles de l'apprentissage spatial chez le robot et chez l'animal Cinquième partie - Structures cognitives et néo-connexionnisme Précis de connexionnisme Psychologie de synthèse : les métaphores del'esprit calculateur Pages de fin.

Cet ouvrage présente les bases mathématiques sous-jacentes aux sciences cognitives en les intégrant dans des applications pertinentes comme les réseaux de neurones, les techniques de l'imagerie cérébrale et la statistique multivariée. Comme les applications importantes pour les sciences cognitives touchent au traitement du signal, à l'informatique et à la statistique, les étudiants et chercheurs de ces domaines pourront aussi s'intéresser au présent ouvrage. Les concepts mathématiques présentés comprennent les notions essentielles du calcul matriciel : produits matriciels (standard, tensoriel, de Hodomar, de Kronecker), inverse, pseudo-inverse, décomposition en vecteurs et valeurs propres, décomposition en valeurs singulières, dérivées et dérivées symboliques de matrices. Le produit de convolution, la corrélation, et la transformée discrète de Fourier sont présentés de manière classique mais aussi comme une extension des méthodes matricielles. Parmi les techniques présentées dans cet ouvrage, citons les analyses statistiques multivariées (analyse de la variance, régressions multiples, analyse en composantes principales, analyse des correspondances, analyse discriminante, multidimensional scaling, analyse procrustéenne), les réseaux de neurones et le traitement de l'image (filtres, convolution, analyse de Fourier). Parmi les applications présentées dans cet ouvrage, citons les modèles de la reconnaissance des visages ; l'imagerie cérébrale, l'analyse textuelle et l'évaluation sensorielle. Les concepts présentés sont illustrés avec des exemples numériques, et les programmes MATLAB correspondants sont également mentionnés en notes de marge.