自我觉知和自我知觉(self-perception)

微软MAI-Cyber-1-Flash模型与Perception平台:AI驱动的网络安全威胁检测实战 大语言模型作为人工智能领域的核心技术,基于Transformer架构实现了对自然语言的深度理解。在网络安全领域,传统威胁检测面临海量日志分析和响应效率低下的挑战。MAI-Cyber-1-Flash作为专为网络安全优化的轻量级大模型,通过FlashAttention技术显著提升推理速度,支持多模态威胁理解,能够同时处理文本日志、网络流量元数据和系统调用序列。这种AI驱动的解决方案为安全运营中心提供了自然语言威胁狩猎、攻击链重构等核心能力,帮助企业实现从被动防御到主动威胁狩猎的转变。通过Perception平台 阅读详情

自我觉知,是指个体对自己的生理属性、社会属性和心理属性及其状态的认识和了解。具体包括对自己的身高、形体、容貌,在社会关系中的角色、地位、权利、义务,自己的感知、记忆、思维、智力、性格、气质、需要、价值观等方面的觉知或意识。R.R.梅的人格理论术语。个体跳出自己来观察自己的能力。

不同于觉知,后者是对外在威胁的预防感,前者指意识到自己受威胁的能力。个体由此形成关于自己存在和发展过程的意识,即时间观念和空间观念,能超越时空观念和直接具体的世界,进入可能的世界、心理自由的境界。由于自我意识给人带来“主体”与“客体”的对立,使人觉得“我”是可以超越时空的主体,同时却面临无法逃避的事实,即有限的存在和必然的死亡。个体的这种由对自己存在有限性的意识会导致焦虑。


自我知觉是社会知觉的一种形式。它是个体对自己的认识,以自我为认识的对象。也是指一个人通过对自己行为的观察而对自己心理状态的认识。自我知觉理论认为,人们通过自己的行为和行为发生的情境了解自己的态度 、情感和内部状态 。也就是说,我们对自己内部状态的了解,也像他人了解我们一样,都是通过我们的外显行为。

释义

1、社会知觉的一种形式。它是个体对自己的认识,以自我为认识的对象。自我既是认识的主体,同时也是认识的客体。作为认识的对象包括自己的个性心理的一切方面及相应的行为表现。自我知觉是在交往过程中随着对他人的知觉而形成的。通过对他人知觉的结果和自我加以对照、比较才使他产生对自己的表象。马克思曾指出:“人降生是没有带镜子来的,他是把别人当镜子来照自己的。”对自我的知觉与对他人的知觉二者是紧密联系的,对他人的知觉愈深刻、愈全面,对自我的认识随之而发展。自我知觉对自身的行为有重要的调节作用。正确的自我知觉会使一个人在群体中的行为得体,相反,一个缺乏自知之明的人常常使他的行为遭受各种不应有的挫折。

2、是指一个人通过对自己行为的观察而对自己心理状态的认识。人不仅在知觉别人时要通过其外部特征来认识其内部的心理状态,同时也要这样来认识自己的行为动机、意图等。D.J.比姆 1972 年提出了自我知觉理论。自己内部状态的了解,也像他人了解我们一样,都是通过我们的外显行为。
但是,也不能把比姆的理论绝对化,认为我们几乎不可能从内省获得有关态度和情感的任何信息。实际上,这个理论只有在两种情况下才是有效的:一是内部状态 模 糊 不清、不明确;二是人们对自己作出什么反应不太关心。

理论概述

符号互动论者强调从社会互动的角度去理解自我知觉。米德(1934)认为自我知觉是一种社会现象,它通过个人在与他人互动中扮演一定角色形成。个人在扮演角色时,他人期待他按照相应的角色规范去行事,因此自我知觉可以反映出他人对个体的态度。库利(1956)认为自我只有在社会互动中才能产生,其中想象其重要作用,他用“镜像自我”来说明自我知觉的形成,它包括三方面:个体想象自己在他人面前的形象;个体想象对自己形象的评价;上述两方面结合便产生自我感受或自我知觉。

自我知觉理论是由D.J.比姆(D.J.Bem)在1972年提出,主要阐释行为是否影响态度。当问一个人关于某事物的态度时,个体首先回忆他们与这种事物有关的行为,然后根据过去的行为推断出对该事物的态度。自我知觉理论认为态度是在事实发生之后,用来使已经发生的东西产生意义的工具,而不是在活动之前指导行动的工具。

自我知觉,其实就是人们常说的自我认识,是指人们对自己的需要、动机、态度、情感等心理状态以及人格特点的感知和判断。它可以是有关自我的一套观念,也可以只是有关自身认识的一些直觉,但不论是观念还是直觉,都会对我们的行为产生影响。准确的自我知觉,有助于个体的社会调适和心理、行为素质的良好发展。

理论观点

Bem的自我知觉理论(self-perception theory)认为我们必须借由观察自己的外显行为来推论自己的态度,也许有许多研究发现验证此论点,然而书本中的例子(p94宗教行为之研究)却不太具有说服力,因此个人对此自我知觉理论有些许困惑。

自我知觉理论认为,人们通过自己的行为和行为发生的情境了解自己的态度 、情感和内部状态 。也就是说,我们对自己内部状态的了解,也像他人了解我们一样,都是通过我们的外显行为。认为人在许多情况下并不能直接知道自己的态度、情感和其他内在状态。认识自己和认识别人一样,只能通过自己表现出来的行为来推测自己的内心状态。这种推测过程和推测别人的内心状态时是一样的。也就是说,我们试图使用本质上相同的资料以及相同的归因过程对我们自己的行为进行因果关系的推论。

限定

贝姆对这个自我归因过程作了好几个限定。
(1)自愿选择。自愿选择是模型中的重要变量。贝姆认为,要通过行为推断态度,必须要看这个人的行为,是在外在控制下发生的(外在诱导下发生的),还是自动地(自己选择决定的)发生的。只有行为是自动发生的,一个人才可以根据自己的行为推论态度。
(2)当内在线索是模糊或者是微弱的时候,才可以利用外在行为来推论自己的态度。
(3)当缺乏有关个人态度的外在反馈源的时候,一个人就会利用外在行为来推论自己的态度。

理论分析

自我知觉理论可以帮助一个人更好地认识自我,它是自我评价的重要理论基础。但是该理论有很大的局限性,因为它的结论是建立在一系列的前提之下。如果忽略了这些前提,那么就可能导致归因失败。所以在使用这个理论进行自我评价时,一定要特别注意该理论适用的前提。
对自己的感知﹑理解和评价。D.J.比姆1972年提出的自我知觉理论是颇受重视的一个理论。这个理论认为,人们通过自己的行为和行为发生的情境了解自己的态度﹑情感和内部状态。如当一人主动吃苹果时别人问他是否喜欢苹果,这时他会认为,既然没有外力强制,是自己主动吃苹果的,那么一定是喜欢苹果。

S.契肯和M.W.鲍德温1981年的研究表明,比姆的自我知觉理论具有一定局限性,只在一定条件下起作用:如果人们先前对某事具有明确一贯的态度,则它不起作用;如果人们先前对某事不具有明确一贯的态度,则它起作用。他们先把被试按其对保护环境是否具有明确一贯的态度画分开来,而后采用一种方法去影响他们对自己行为的知觉。如问一部分被试他们是否有时乱扔脏物,问另一部分被试他们是否不经常乱扔脏物。这样的问法可以使那些回答有时乱扔脏物者把自己看成是不重视环境保护的,使那些回答不经常乱扔脏物者把自己看成是重视环境保护的。

结果分析

结果表明,这样的处理并不影响那些先前具有明确一贯态度的人,只影响那些先前不具有明确一贯态度的人。在态度的自我知觉上,心理学家过去长时认为是通过内省途径的,比姆的理论提出了新的看法。他认为,在没有外界环境压力时,我们通常认为我们的行为是表达真实态度的。当存在着明显的外部压力时,我们会认为我们的行为是由于外部原因的。 
当然,比姆并非认为人们完全不使用内部线索,而只是认为,态度的自我知觉主要依靠外显行为和行为发生的条件。比姆的理论也被用于动机的自我知觉上。由于高奖赏而从事某种活动,导致把行为原因归之于外部,由于低奖赏而从事某种活动,导致把行为原因归之于内部。这就是说,对于从事某种活动给予过分的肯定,将破坏对这个活动的内在兴趣。 
Z.昆达和S.H.施瓦茨1983年的研究表明,帮助他人而获得金钱报酬的儿童与未获金钱报酬的儿童相比,后者表现出更强的道德责任感。因从事愉快工作而获得外部奖赏,会减少内在兴趣,但防止从事某种活动的外部威胁却增强内在兴趣。在情感的自我知觉上,传统的理论认为,人们认识自己的情感是通过考察自己的生理状态﹑心理状态和外界刺激。研究证明,人们的许多情感反应在生物化学上是类似的。人们只能区分高唤起和低唤起,难于从这里区分出不同类型的情感,人们很难区分嫉妒和爱情。 
S.沙赫特1962年提出的情感自我知觉理论类似于比姆的理论。他认为,情感的知觉依赖于生理唤起程度和认知标记,如愤怒﹑愉快等。为了取得认知标记,必须考虑自己的行为和环境条件。例如,我们感到生理唤起,同时观看喜剧表演而发笑,这时我们认为我们是愉快的。我们的行为和对发生该行为的环境的解释,为我们提供了认知标记,从而去解释我们的内部唤起引起的体验。与比姆的理论相类似,由于内部状态的模糊性,所以自我知觉高度依赖于外显行为和情境的知觉。

自我知觉的内容

态度的自我知觉

过去的心理学家都认为人们通过内省去认识自己的态度。但贝姆却认为由于人的内部线索很微弱、很模糊,人必须通过观察自己的外显行为去推测内省的态度。如果人的行为是自由作出的,这种行为就可以反映个体态度;如果行为不是自由作出的,它就不能表示个体的真实态度。

情绪的自我知觉

人们有时能够意识到自己的情绪体验,尤其是诸如快乐、悲伤等一些基本的情绪,但有时人们并不一定能够准确地知觉到自己的情绪体验。沙赫特认为,人们对情绪的知觉取决于两方面,其一是人们体验到的生理唤醒水平,其二是认知判断,认知判断来自于人们对自己行为和情境的考察。

总结

总之,人们认为,不能把比姆的理论绝对化,认为我们几乎不可能从内省获得有关态度和情感的任何信息。而且这个理论只有在两种情况下才是有效的:一是内部状态模糊不清﹑不明确;二是人们对自己作出什么反应不太关心。

Perceiver_General Perception with Iterative Attention稿   人们理解世界是依赖多模态信息的融合,视觉,声音,触觉的结合让人能够准确地感知身边的事物。由于,不同模态的输入的维度是不相同的,比如纯音频信号,是一维的,图片是二维的,视频,点云是3d的。因此之前的很多网络架构设计都是局限在一个单模态里面的,作者就希望提出一个可以同时处理多模态并且针对不同模态不用做很多改动的方法。   这个方法是基于Transformer的改进。目前transformer已经在图片领域有了巨大的运用。ViT堆叠Transformer encdoer引领了transformer在图片中的热 阅读详情

相关推荐

Matplotlib字体警告终结者:为什么总提示DejaVu Sans?5种场景解决方案大全

本文深入解析Matplotlib中常见的DejaVu Sans字体警告问题,并提供5种典型场景的完整解决方案。从理解字体系统的三层架构和缓存机制,到解决中文显示、远程服务器部署、TeX渲染、缓存优化及生产环境配置等实际问题,帮助开发者彻底摆脱字体警告困扰,实现稳定可靠的数据可视化。

view3的博客 500

感知器perception的python代码实现

没有使用pytorch、tensorflow等框架的感知器,自己手写的感知器代码。采用上一个博客生成的双月形数据集,把数据集送到感知器模型中进行训练,这里我太懒了,不想写什么是感知器模型了,先填一个坑,以后来补上把。

一直小蜗牛,学得慢爬得慢 1565

【若依(ruoyi)】BootstrapTable列宽定制实战:突破width属性限制的两种方案

本文针对若依(RuoYi)框架中BootstrapTable组件列宽设置失效的常见问题,提供了两种实战解决方案。通过CSS样式覆盖法强制定义列宽,或利用formatter函数进行动态HTML包裹,有效突破width属性限制,实现精准的表格列宽定制。

weixin_29013129的博客 174

Python实现感知机(Perceptron)

1.感知机回归概念 感知机(Perceptron)是二分类的线性分类模型,其输入是实例的特征向量,输出是实例的类别,取+1及-1二值。感知机是在1957年由Rosenblatt提出,今天看来它的分类模型在大多数时候泛化能力不强,但是它的原理却值得好好研究。因为研究透了感知机模型,学习支持向量机的话会降低不少难度。同时如果研究透了感知机模型,再学习神经...

weixin_30472035的博客 1819

基于禾赛32线雷达和Xsens MTi-G-710 组合导航模块,松灵Scout mini 底盘实现 Cartographer 3D 建图过程

地下车库 Cartongrapher 3D建图

yhy_yhy13053117的博客 3936

PCB设计必看:铜皮厚度与载流量的黄金比例(附实用对照表)

本文深入探讨了PCB设计中铜皮厚度与载流量的关键关系,提供了实用的对照表和设计技巧。通过分析基础原理、标准选择策略及常见误区,帮助工程师优化PCB设计,确保电路板的可靠性和安全性。特别适用于需要处理大电流或高频应用的电子设计场景。

milk8的博客 511

linux 是什么

一. Linux 是什么计算机是由一堆硬件所组成的,为了更加有效的使用这些硬件,于是乎就有了操作系统。操作系统除了能够有效的控制这些硬件资源的分配,并提供计算机运行所需要的功能之外,操作系统也会提供一整组系统调用的接口给软件程序员开发用。Linux 就是一套操作系统,Linux 就是内核与系统调用那两层,如下图所示: 二.Linux 之前 Unix 的历史 1969年,Bell、MIT 与GE 合

perception_的博客 606

头歌 JAVA 桥接模式实验

这样,通过客户端代码配置不同的 FileConvertor 子类和 DataHandler 子类(如 OracleHandler 或 SQLServerHandle),即可实现从不同数据库读取数据并转换成不同格式的功能,而无需修改已有代码。

m0_74091276的博客 3191

探索图像感知哈希的深度:Perception 开源库

探索图像感知哈希的深度:Perception 开源库 perception Perceptual hashing tools for detecting child sexual abuse material 项目地址: https://gitcode.com/g...

gitblog_00066的博客 514

自组织映射神经网络(SOM)

目录 1 背景:自组织(竞争型)神经网络 2竞争学习的概念与原理 2.1 竞争学习的步骤 2.2 示例 3SOM典型结构 4SOM网的权值调整域 5 SOM Kohonen 学习算法 6 SOM示例 7SOM设计细节 7.1输出层设计 7.2输出层节点排列的设计 7.3 权值初始化问题 7.4学习率的设计 7.5设计拓扑领域 8SOM功能分析 8.1 保序映射 8.2数据压缩 8.3 特征提取 9自组织映射神经网络与K均值算法的区别...

weixin_39910711的博客 1万+

量化策略缺数据?一份QMT/PTrade免费数据清单与特殊数据源QtFactor评测

本文为量化策略开发者提供QMT和PTrade平台的免费数据资源清单,并深度评测QtFactor在补充特色数据方面的价值。涵盖Tick级数据、Level2行情、资金流向等关键信息,帮助开发者在预算有限的情况下构建高效数据解决方案,特别适合打板策略和日内回转交易。

weixin_29058331的博客 413

机器学习算法——感知机(Python源码)

#*-encoding:utf-8-*######################################################################################################## # Summary: 感知机模型 # Author: Kurt # Date: 2016/3/23 ###########################

Liuhfiii的博客 1729

清洁机器人之屏幕(中,大LCD)方案--ITE 联阳986x系列 soc显控芯片介绍

清洁机器人之屏幕(中,大LCD)方案--ITE 联阳986x系列 soc显控芯片介绍

AIoT深度探索者 | 嵌入式系统架构师 深耕物联网(IoT)与人工智能(AI)融合技术,聚焦​​边缘计算、图像开发、低功耗通信协议​​,致力于智能硬件,关注我获取最新技术文章信息与海量资源~ 2664

10个实用技巧:使用Swift Perception优化你的SwiftUI性能

你是否在为SwiftUI应用的性能问题而烦恼?想要在不升级到最新iOS版本的情况下享受Swift 6的Observable特性吗?今天,我将为你介绍一个强大的工具——Swift Perception,它能够帮助你在旧版iOS平台上获得现代化的状态管理体验,同时显著提升应用性能!🚀 Swift Perception是一个向后兼容的观察工具库,它将Swift 6的`@Observable`功能带回

gitblog_00484的博客 656

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

Swift Perception最佳实践:代码组织与测试策略的终极指南

Swift Perception是一款强大的Observable工具,它为Swift开发者提供了高效的状态管理与数据流追踪能力。本文将深入探讨Swift Perception的代码组织模式和测试策略,帮助开发者构建更健壮、可维护的应用程序。无论你是Swift新手还是有经验的开发者,这份指南都能让你快速掌握Swift Perception的核心用法和最佳实践。 ## 一、Swift Percept

gitblog_00081的博客 871

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

Swift Perception与Combine集成:打造完美响应式架构的完整方案

Swift Perception是一套强大的可观察工具集,而Combine框架则为Swift开发者提供了响应式编程的能力。将两者结合使用,能够构建出高效、灵活且易于维护的响应式架构。本文将详细介绍如何将Swift Perception与Combine框架无缝集成,为你的iOS应用打造完美的响应式解决方案。 ## 为什么选择Swift Perception与Combine集成 在iOS开发中,响

gitblog_00187的博客 482

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

如何快速上手Swift Perception:5分钟实现响应式SwiftUI应用

想要在SwiftUI应用中实现响应式数据绑定,但需要支持旧版本iOS?Swift Perception是你的终极解决方案!这个强大的SwiftUI响应式工具库将最新的Observable API向后兼容到iOS 13,让你在5分钟内就能构建出高效的数据驱动应用。😊 Swift Perception是Point-Free团队开发的一个开源库,专门为SwiftUI提供向后兼容的响应式编程工具。无论

gitblog_00895的博客 804

自感一词的多语境翻译与概念旅行:从自我知觉到内感受

术语翻译的难点往往不在词汇对应,而在于概念背后的文化路径与学科语境。以“自感”为例,它在心理学中指向自我知觉,在哲学中对应自身感动,在神经科学中又与内感受紧密相连。不同学科对同一中文词的解读差异,反映出厚概念在跨文化传播中的变异与生长。理解概念旅行的机制,有助于译者在学术写作与跨文化交流中做出更精准的术语选择。本文通过追踪“自感”从中医临床到脑科学实验室的传播路径,探讨术语翻译的策略与误译案例,为处理类似多义性概念提供可复用的决策框架。

weixin_31569671的博客 254

Swift Perception:终极iOS 13+状态管理解决方案完全指南

🚀 Swift Perception 是一个革命性的状态管理库,它为 iOS 13+ 开发者提供了完整的观测工具向后兼容方案。如果你正在为老旧 iOS 版本的状态管理而烦恼,这个库将是你的救星!本文将详细介绍如何利用 Swift Perception 在 iOS 13+ 上实现现代化的状态管理体验。 ## 什么是 Swift Perception?🤔 Swift Perception 是由

gitblog_01055的博客 647

Swift Perception实战教程:构建高效状态管理系统的完整指南

Swift Perception是一个功能强大的Observable工具库,它为Swift开发者提供了高效的状态管理解决方案。本教程将带你全面了解如何使用Swift Perception构建响应式应用,从基础概念到高级技巧,让你轻松掌握这一强大工具。 ## 什么是Swift Perception? Swift Perception是一个专注于状态管理的库,它通过提供可观察的工具,帮助开发者构建

gitblog_00827的博客 414

Swift Perception高级用法:自定义感知器与线程安全最佳实践

Swift Perception是一个Observable工具的向后移植实现,为iOS、macOS等平台提供了感知数据变化的能力。本文将深入探讨Swift Perception的高级用法,包括如何创建自定义感知器以及确保线程安全的最佳实践,帮助开发者充分利用这一强大工具。 ## 自定义感知器的实现基础 ### Perceptible协议解析 Perceptible协议是Swift Perce

gitblog_01038的博客 478

Swift Perception源码解析:深入理解感知器注册表与追踪机制

Swift Perception是一个专注于Observable工具的开源项目,为开发者提供了强大的感知器注册表与追踪机制,帮助构建响应式应用。本文将深入剖析PerceptionRegistrar和PerceptionTracking的核心实现,带你了解如何高效管理对象感知与状态追踪。 ## 感知器注册表(PerceptionRegistrar):对象感知的核心枢纽 ### 注册表的基础架构

gitblog_00126的博客 827

Perception Before Supervision: Self-Contained Visual Distillation from Counterfactual Blind Spots

Counterfactual Criterion(反事实标准/准则)减少幻觉:反事实错误往往是模型产生幻觉的主要原因。通过识别并纠正这些区域,可以有效降低胡说八道的概率。数据效率:不需要额外的人工标注数据,模型可以利用海量未标注文本,通过自我评估生成高质量的训练信号。细粒度控制:“密集”对比监督意味着改进是精细的,可能只修正句子中的逻辑谬误,而不是重写整个段落。发现问题(自诊断)模型在生成回答时,使用提出的“三门反事实标准”来扫描自己的输出。

AbiUni(YY熊) 175

Learning Active Perception via Self-Evolving Preference Optimization for GUI Grounding

论文日报

m0_60388871的博客 772

「Self-driving: Perception」感知总览

传感器 Camera: 2d图像感知 Lidar: 3d点云感知 Radar: 方向、速度、形状感知 2d图像感知(Camera) 3d点云感知(Lidar) 多传感器融合之Camera、Lidar 雷达融合 多传感器融合之Camera、Lidar、Radar 融合

Liiipseoroinis 2330

Understanding Self-Supervised Learning for Visual Perception

理解面向中高层感知任务的自监督学习 https://www.yuque.com/weijiawu/research/tad6g0 Self-Supervised Learning 资源整理(~2020)

weixin_39589871的博客 211
上一篇: 高级的人生,就是做一个“无用”的人
下一篇: 乔哈里视窗
.NET跨平台
博客等级 码龄15年 6066粉丝 738原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值