记忆心理学--艾宾浩斯

艾宾浩斯,1850年生于波恩附近。大学期间,他的兴趣在于哲学,并于1873年获得哲学博士学位。以后的七年中,他在柏林、英国、法国致力于独立的研究。后来,他的兴趣转向了科学。1867年在费希纳的《心理学纲要》的启发下,他决心像费希纳研究心理物理学那样,通过严格的系统的测量来研究记忆。艾宾浩斯关于学习和遗忘的研究被认为是他的创造天才在实验心理学上的真正伟大表现之一,是敢于进入真正心理学问题领域的第一人。

 

  记忆是一种高级的心理过程,受许多因素影响。旧联想主义者只从结果推论原因,没有给予科学的解释;艾宾浩斯则从严格控制原因来观察结果,对记忆过程进行定量分析。

 

  首先,他注意到识记材料有长有短、有难有易、有生有熟,必须严格加以控制。为了排除旧经验对识记的影响,使识记材料处于同等难易的程度,他创造了一种无意义音节。

 

  其次,在学习时间或诵读次数以及识记间隔时间和识记方式等这些中以影响识记效果的条件都加以严格控制。至于主观条件,艾宾浩斯以自己为被试,力求做到生活一律化,使主观条件保持一致。艾宾浩斯就是这样从控制影响识记的因素入手,用节省法对记忆的各个方面进行了定量分析。通过多年耐心细致的实验研究,他得到了以下几个主要结论:

 

  音节组的长度与学习速度的关系:音节组的长度增加时,诵读到能正确背诵所需的次数就急剧增加。如识记12个音节只要诵读16.6次就能背诵;而识记36个音节就要诵读55次才能背诵。

 

  材料的意义性对学习的影响:艾宾浩斯发现学习有意义的材料比学习无意义的材料速度要快得多。艾宾浩斯设计了一些实验来确定各种条件对学习和保持的影响。这些研究之一是查明记无意义音节的速度与记有意义材料的速度之间的差异。为了确定这种差异,他记拜伦的《唐·璜》(Don Juan)一诗中的节段,每一段有80个音节,他发现大约需要读9次能记住一段。然后他记80个无意义音节,发现完成这个任务几乎需要重复80次。他得出结论说,无意义材料的学习比有意义材料的学习在难度上几乎达到9倍。

 

  记忆保持和诵读次数的关系:诵读次数越多、时间越长,则记忆保持越久。

 

  保持与遗忘和时间的关系:学习后经过的时间越长,保持越少,遗忘越多,但遗忘的速度不是均衡的。根据艾宾浩斯实验所得的数据而成曲线,就是艾宾浩斯遗忘曲线。

 

  从中可以看出,遗忘在学习之后就立即开始了,遗忘的速度呈先快后慢的趋势(详细情况见进程表。艾宾浩斯的遗忘曲线使人具体地了解了遗忘的进程,从而能够针对遗忘的客观进程采取相应的措施与遗忘作斗争,所以影响很大,他本人的名字出因此而与遗忘曲线联在了一起。

 

  分散学习比集中学习优越。如对一个12个音节的音节组集中学习需要育读68次才能达到正确背诵,而分散学习只要35次就够了。

 

  音节组内各项的顺序和记忆保持的关系。这是他对接近联想、远隔联想、顺序联想和反向联想所做的实验项目。他认为通过学习,不仅紧邻的音节能够形成联系,就是远隔的音节也能形成联系;音节之间不仅按顺序能形成联系,而且反向也能形成联系。不过保持的程度,音节组内各个音节彼此相邻的较优于远隔和反向的。

 

  艾宾浩斯对记忆的研究,对心理学发生了很大的影响,它不仅丰富了实验心理学的内容,而且激起了各国心理学家研究记忆的热潮,大大地促进了记忆心理学的发展。当然,他的研究就像任何新生事物一样,不可能是完善无缺的,主要缺点有以下三点:一是他对记忆过程的发展只作了定量分析,对记忆内容性质上的变化没有进行分析;二是他所用的无意义音节是人为的,脱离实际,有很大的局限性;三是他把记忆当作机械重复的结果,没有考虑到记忆是个复杂的主动过程。

 

  对一个科学家总的历史价值的一种衡量方法是看他的观点和研究成果是否经受得住时间的考验。根据这样的标准来看,可以认为艾宾浩斯比冯特更加重要。他的研究给联想或学习的研究带来了客观性、数量化和实验方法。正是由于艾宾浩斯的研究,才使联想的概念从只有对它的特性进行思辩的改变为借助于科学方法对它进行实验研究。另外,他对学习和记忆的许多发展在百年后的今天仍然可靠。

 

 

http://baike.baidu.com/view/240578.htm

 

 

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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