本书将从人的认知与行为到计算模型与机器学习进行综合性的介绍，系统讲述如何用数学建模应用于模拟人的认知行为。其中包括一下经典的参数估计方法，如优选似然估计法，贝叶斯参数估计方法，以及不同模型之间的比较方法，还包括更多神经网络模型，在神经科学和心理学中的应用。

在《认知和行为的计算建模》中提出了一套在心理学中应用计算和数学模型的综合方法。主要目的是在理论、模拟和数据之间提供一个统一的视角，来回答“我们如何从行为模型中获取信息”的核心问题。
《认知和行为的计算建模》涵盖了以下四个主题。第一部分解释了什么是计算模型，全面概述了用于理解人类行为的模型，探讨了如何将理论叙述转化为模拟代码，并阐述了理解建模所需的各种概念。第二部分探究了计算模型的一种应用——参数估计。通过将模型拟合到数据，可以从所得的参数估计值以及有关生成这些数据的一种或多种心理机制或表征的叙述中进行推断。在这里介绍了优选似然估计和贝叶斯估计，包括跨多个被试估计和分层估计。第三部分探讨了如何使用模型比较进行推论，讨论了从数据中得出充分性和必要性结论的条件，以及如何概念化和量化模型的复杂性。本部分探究了几种解决模型比较复杂的方法，包括信息标准和贝叶斯因素。第四部分讨论了计算建模在推进心理学理论研究中的作用。探究了如何使用模型作为推理的辅助手段以及人类与人工智能之间的相互作用，以引导理论化和概念性见解的产生。以及计算模型如何作为一种用于研究者之间达成共识（即使用模型作为通用的参考术语）的工具，如何将其应用于交流和共享模型。最后，介绍了计算模型在神经网络模型、选择反应时间模型以及模型在理解神经数据中的应用。

1导论
1.1科学中的模型和理论
1.2认知中的定量建模
1.2.1模型和数据
1.2.2数据描述
1.2.3认知过程模型
1.3潜在的问题:范围和可证伪性
1.4建模作为一种对科学家的认知辅助
1.5实例
2从文字描述到数学模型:建立工具集
2.1快速选择任务中的反应时间
2.2展开模拟
2.2.1初步了解:R和RStudio
2.2.2随机游走模型
2.2.3直觉与计算:探索随机游走的预测
2.2.4随机游走模型中的试次间的变异性
……