MARC

 008260126s2025        us                              c    eng  d
■001000017358754
■00520260202104747
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798290652535
■035    ▼a(MiAaPQ)AAI32149763
■035    ▼a(MiAaPQ)Stanfordzj088tc0243
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a400
■1001  ▼aThobani,  Imran  Shafik  Umedali.
■24510▼aModels  and  Mappings  in  Computational  Neuroscience
■260    ▼a[Sl]▼bStanford  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a78  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  B.
■500    ▼aAdvisor:  Cao,  Rosa.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2025.
■520    ▼aThis  dissertation  investigates  the  nature  of  cognitive  models  and  scientific  models  in  philosophy  of  neuroscience.  An  overarching  theme  is  that  models  are  useful  for  inferring  facts  about  the  world,  and  in  order  for  such  model-to-world  inferences  to  be  possible,  there  has  to  be  a  kind  of  structural  similarity  between  the  model  and  the  target.  This  structural  similarity  can  be  described  in  terms  of  a  mapping  from  components  or  variables  in  the  model  to  variables  in  the  world.  In  a  variety  of  settings  (compositional  representations,  cognitive  (internal)  models  more  generally,  and  mechanistic  models  of  the  brain),  I  explore  what  kinds  of  mappings  are  required  in  order  for  a  putative  model  to  count  as  a  genuine  (and  successful)  model.  In  the  case  of  internal  models,  I  argue  that  without  any  constraints  on  the  mapping  from  model  to  world,  almost  anysystem  can  satisfy  a  mapping-based  criterion  of  internal  model.  To  rectify  this  issue,  I  argue  for  functional  constraints  on  the  mapping,  namely  that  the  mapping  be  usable  by  an  agent  to  make  predictions  about  the  world  (making  what  counts  as  a  genuine  "internal  model",  as  well  as  what  kind  of  mapping  should  be  allowed,  context-dependent).  In  the  final  chapter  on  mechanistic  models  in  neuroscience,  there  is  a  related  issue  of  what  kind  of  mapping  should  be  used  to  assess  similarity  between  a  candidate  mechanistic  model  and  the  brain.  In  this  case,  I  argue  that  the  correct  mapping  to  use  is  the  same  kind  of  mapping  needed  to  map  between  different  animal  subjects  in  the  population  being  modeled.  Thus,  rather  than  using  an  a  prioridefinition  of  allowable  mapping,  the  correct  mapping  is  in  fact  an  empirical  issue  to  be  determined  based  on  the  observable  variation  in  neural  responses  in  a  given  population  of  subjects.
■590    ▼aSchool  code:  0212.
■650  4▼aLanguage
■650  4▼aMotivation
■650  4▼aCognitive  science
■650  4▼aNeurosciences
■650  4▼aAlgebra
■650  4▼aLinguistics
■650  4▼aPhilosophy
■650  4▼aPhilosophers
■650  4▼aSemantics
■650  4▼aVehicles
■690    ▼a0290
■690    ▼a0422
■690    ▼a0679
■690    ▼a0317
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g87-01B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358754▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서