出版社: 商务印书馆
译者: 甘子玉
出版年: 1965-3
页数: 62
定价: 7.00元
装帧: 平装
丛书: 汉译世界学术名著丛书·哲学
ISBN: 9787100032445
内容简介 · · · · · ·
《计算机与人脑》是自动机(以电子计算机为代表)理论研究中的重要材料之一。原书是冯·诺意曼在1955-1956年准备讲演用的未完成稿。著者从数学的角度,主要是从逻辑和统计数学的角度,探讨计算机的运算和人脑思维的过程,进行了一些比较研究。书中的许多技术推论带有预测性,尚待今后实验研究及进一步探讨才能判断其是否正确。
目录 · · · · · ·
第一部分 计算机
第一章 模拟方法
常用的基本运算
不常用的基本运算
第二章 数字方法
符号,它们的组合与体现
数字计算机的类型及其基本元件
并行和串行线路
常用的基本运算
第三章 逻辑控制
插入式控制
逻辑带的控制
每一基本运算只需要一个器官的原理
由此引起的特殊记忆器官的需要
用“控制序列”点的控制
记忆存储控制
记忆存储控制的运算方式
控制的混合方式
第四章 混合数字方法
数的混合表现,以及在此基础上建造的计算机
第五章 准确度
需要高度的准确度(数字的)之理由
第六章 现代模拟计算机的特征
第七章 现代数字计算机的特征
作用元件,速度的问题
所需的作用元件的数目
记忆器官的存取时间和记忆容量
以作用器官构成的记忆寄存器
记忆器官的谱系原理
记忆元件,存取问题
存取时间的概念之复杂性
直接地址的原理
第二部分 人脑
第八章 神经元功能简述
第九章 神经脉冲的本质
刺激的过程
由脉冲引起的刺激脉冲的机制,它的数字特性
神经反应、疲乏和恢复的时间特性
神经元的大小,它和人造元件的比较
能量的消耗,与人造元件的比较
比较的总结
第十章 刺激的判据
最简单的——基本的逻辑判据
更复杂的刺激判据
阈值
总和时间
接收器的刺激判据
第十一章 神经系统内的记忆问题
估计神经系统中记忆容量的原理
运用上述规则估计记忆容量
记忆的各种可能的物理体现
和人造计算机相比拟
记忆的基础元件不需要和基本作用器官的元件相同
第十二章 神经系统的数字部分和模拟部分
遗传机制在上述问题中的作用
第十三章 代码,及其在机器功能的控制中之作用
完全码的概念
短码的概念
短码的功能
第十四章 神经系统的逻辑结构
数字方法的重要性
数字方法和逻辑的相互作用
预计需要高准确度的理由
第十五章 使用的记数系统之本质:它不是数字的
而是统计的
算术运算中的恶化现象;算术深度和逻辑深度的作用
算术的准确度或逻辑的可靠度,它们的相互转换
可以运用的信息系统的其他统计特性
第十六章 人脑的语言不是数学的语言
附录关于本书著者冯·诺意曼
· · · · · · (收起)
丛书信息
喜欢读"计算机与人脑"的人也喜欢的电子书 · · · · · ·
计算机与人脑的话题 · · · · · · ( 全部 条 )



计算机与人脑的书评 · · · · · · ( 全部 22 条 )

非冯架构才是冯诺依曼设想

多产的天才,比特时代的象征
> 更多书评 22篇
-
工程中人们对数字精准度要求只有1:1000~1:10000,为什么计算机需要高精度? 因为连续运算时误差是叠加的,N次运算,误差将增加sqrt(N)倍 假设一台计算机每一步运算的精度是1:10^12,只有当N>10^18次方时,总误差才会大于1/1000 假设一步运算需要20微妙,连续计算48小时,N也才10,所以精度太高也没有意思。 根据 IEEE 754 标准,float 的精度为 1:2^23,double 的精度为 1:2^53,但在实际的工程中人们对数字精度的要求大概在...
2013-02-14 15:28 1人喜欢
工程中人们对数字精准度要求只有1:1000~1:10000,为什么计算机需要高精度? 因为连续运算时误差是叠加的,N次运算,误差将增加sqrt(N)倍 假设一台计算机每一步运算的精度是1:10^12,只有当N>10^18次方时,总误差才会大于1/1000 假设一步运算需要20微妙,连续计算48小时,N也才10,所以精度太高也没有意思。 根据 IEEE 754 标准,float 的精度为 1:2^23,double 的精度为 1:2^53,但在实际的工程中人们对数字精度的要求大概在 1:1000 到 1:10000 之间,而在一些非科学计算的应用里,人们对数字精度的要求更低。既然如此,人们在设计计算机的时候要使用如此高的精度?
回应 2013-02-14 15:28 -
前半部分,主要讨论了模拟机和数字机的基本运算方式,逻辑控制方式,存储器的概念,准确度的问题。很多内容现在看来都很容易理解。 值得一提的是,冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式,在针对全微分方程求解,这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少,不过挺有启发意义的,对于我这种已经把加减乘除当做理所当然的基本运算的人来说。
2020-02-14 19:31
-
耍哥 (一根有理想的波浪线~~~~啦啦啦~~)
技术图像是由技术主导的,而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础,还保留着一些感性和个体经验的成分,而数字则是抽象和标准化的。弗鲁塞尔举例说,“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算,跟时间没有关系。在我们看来,时间和历史应该是记忆的基础,如果将来的数字思维不再跟时间和历史有关,那么如何理解记忆?...2019-05-25 08:07
技术图像是由技术主导的,而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础,还保留着一些感性和个体经验的成分,而数字则是抽象和标准化的。弗鲁塞尔举例说,“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算,跟时间没有关系。在我们看来,时间和历史应该是记忆的基础,如果将来的数字思维不再跟时间和历史有关,那么如何理解记忆?对弗鲁塞尔来说,记忆就是被储存的信息,因而他并不看重人的记忆和机器的记忆之间的区别,并且他认为单就记忆而言,人无法与机器相比。相对而言,他更关注记忆的媒介。在他看来,为了确保记忆长存,传统的做法是把记忆刻在陶土、石头、青铜等物质载体上,但根据热力学第二定律,这些物质载体迟早都是会损坏和消失的,唯有现在出现的人工记忆载体,即电磁技术,能够使记忆永久化。这就意味着,记忆是可以脱离人的身体而存在的。那么,当人的记忆全部转化为电脑内存(英文也是memory)时,作为电脑内存的图像,能否继续承担文化记忆的功能呢?
回应 2019-05-25 08:07 -
Pi 人脑的“逻辑深度”和“算术深度”都比计算机小的多,但有许多现代计算机不能比拟的优越性。比如,同样容积的神经元比人造元件能完成更多的运算,能同时处理更多的信息,记忆容量也大得多,每个神经元件的准确度较低而其综合的可靠性较高等等··· Pii 推论:既然神经系统和计算机的逻辑结构有很大区别,那么,我们所用的逻辑和数学,也就和语言一样,同样是历史的、偶然的表达形式··· 看不大懂,有空再研究
2017-09-25 18:06
-
木马 (无朔...要下雨了。)
作为一本六十年代翻译出来的作品,译者在本书中亮翻了。这里我没有讽刺的意思,因为出版翻译有很强的时代背景。我来引用一些: 译者序 “应该指出,近年来,围绕着自动技术的新成就和自动机理论的发展,产生了一股反动思潮。资产阶级的“思想家”们(其中也有自然科学家),扭曲和利用这方面的成就,把人脑和自动机等同起来,鼓吹”机器能够思维“、“出现了有生命、有意识、有理智的机器”......等等谬论,作出种种反动的、谬... (6回应)2012-05-25 10:32
作为一本六十年代翻译出来的作品,译者在本书中亮翻了。这里我没有讽刺的意思,因为出版翻译有很强的时代背景。我来引用一些: 译者序 “应该指出,近年来,围绕着自动技术的新成就和自动机理论的发展,产生了一股反动思潮。资产阶级的“思想家”们(其中也有自然科学家),扭曲和利用这方面的成就,把人脑和自动机等同起来,鼓吹”机器能够思维“、“出现了有生命、有意识、有理智的机器”......等等谬论,作出种种反动的、谬误的哲学概括和社会政治方面的结论。” 【木马】亮点在“其中也有自然科学家”...不过或许此刻布洛维正在湾区寒冷的夏天里点头赞许呢。 “我们应该以马克思列宁主义为武器,和这些反动思潮作斗争,彻底批判这些反动思想” 【木马】马列主义躺着中枪了。 “冯诺依曼在本书中,虽然还没有作出直接的社会政治结论,可是在若干理论概括中,其哲学观点是错误的。” 【木马】冯大仙没表达观点不要紧,我们先竖立假想敌,然后打击! 附录 “除了计算技术和自动机理论之外,他对博弈论做了一些工作,曾和摩尔根斯坦合著《博弈理论和经济行为》一书,在博弈论数学方法上有些成就,但在应用于经济活动的观点上面,以资产阶级经济学的边际效用理论为基础,则是完全谬误的。” 【木马】原来那本书在学术上也只是轻飘飘地“有些成就”。而译者就在这句对冯大仙最重要的贡献之一的全盘否定中,铿锵有力地结束了全书。
6回应 2012-05-25 10:32 -
工程中人们对数字精准度要求只有1:1000~1:10000,为什么计算机需要高精度? 因为连续运算时误差是叠加的,N次运算,误差将增加sqrt(N)倍 假设一台计算机每一步运算的精度是1:10^12,只有当N>10^18次方时,总误差才会大于1/1000 假设一步运算需要20微妙,连续计算48小时,N也才10,所以精度太高也没有意思。 根据 IEEE 754 标准,float 的精度为 1:2^23,double 的精度为 1:2^53,但在实际的工程中人们对数字精度的要求大概在...
2013-02-14 15:28 1人喜欢
工程中人们对数字精准度要求只有1:1000~1:10000,为什么计算机需要高精度? 因为连续运算时误差是叠加的,N次运算,误差将增加sqrt(N)倍 假设一台计算机每一步运算的精度是1:10^12,只有当N>10^18次方时,总误差才会大于1/1000 假设一步运算需要20微妙,连续计算48小时,N也才10,所以精度太高也没有意思。 根据 IEEE 754 标准,float 的精度为 1:2^23,double 的精度为 1:2^53,但在实际的工程中人们对数字精度的要求大概在 1:1000 到 1:10000 之间,而在一些非科学计算的应用里,人们对数字精度的要求更低。既然如此,人们在设计计算机的时候要使用如此高的精度?
回应 2013-02-14 15:28 -
耍哥 (一根有理想的波浪线~~~~啦啦啦~~)
技术图像是由技术主导的,而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础,还保留着一些感性和个体经验的成分,而数字则是抽象和标准化的。弗鲁塞尔举例说,“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算,跟时间没有关系。在我们看来,时间和历史应该是记忆的基础,如果将来的数字思维不再跟时间和历史有关,那么如何理解记忆?...2019-05-25 08:07
技术图像是由技术主导的,而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础,还保留着一些感性和个体经验的成分,而数字则是抽象和标准化的。弗鲁塞尔举例说,“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算,跟时间没有关系。在我们看来,时间和历史应该是记忆的基础,如果将来的数字思维不再跟时间和历史有关,那么如何理解记忆?对弗鲁塞尔来说,记忆就是被储存的信息,因而他并不看重人的记忆和机器的记忆之间的区别,并且他认为单就记忆而言,人无法与机器相比。相对而言,他更关注记忆的媒介。在他看来,为了确保记忆长存,传统的做法是把记忆刻在陶土、石头、青铜等物质载体上,但根据热力学第二定律,这些物质载体迟早都是会损坏和消失的,唯有现在出现的人工记忆载体,即电磁技术,能够使记忆永久化。这就意味着,记忆是可以脱离人的身体而存在的。那么,当人的记忆全部转化为电脑内存(英文也是memory)时,作为电脑内存的图像,能否继续承担文化记忆的功能呢?
回应 2019-05-25 08:07 -
前半部分,主要讨论了模拟机和数字机的基本运算方式,逻辑控制方式,存储器的概念,准确度的问题。很多内容现在看来都很容易理解。 值得一提的是,冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式,在针对全微分方程求解,这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少,不过挺有启发意义的,对于我这种已经把加减乘除当做理所当然的基本运算的人来说。
2020-02-14 19:31
-
前半部分,主要讨论了模拟机和数字机的基本运算方式,逻辑控制方式,存储器的概念,准确度的问题。很多内容现在看来都很容易理解。 值得一提的是,冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式,在针对全微分方程求解,这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少,不过挺有启发意义的,对于我这种已经把加减乘除当做理所当然的基本运算的人来说。
2020-02-14 19:31
-
耍哥 (一根有理想的波浪线~~~~啦啦啦~~)
技术图像是由技术主导的,而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础,还保留着一些感性和个体经验的成分,而数字则是抽象和标准化的。弗鲁塞尔举例说,“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算,跟时间没有关系。在我们看来,时间和历史应该是记忆的基础,如果将来的数字思维不再跟时间和历史有关,那么如何理解记忆?...2019-05-25 08:07
技术图像是由技术主导的,而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础,还保留着一些感性和个体经验的成分,而数字则是抽象和标准化的。弗鲁塞尔举例说,“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算,跟时间没有关系。在我们看来,时间和历史应该是记忆的基础,如果将来的数字思维不再跟时间和历史有关,那么如何理解记忆?对弗鲁塞尔来说,记忆就是被储存的信息,因而他并不看重人的记忆和机器的记忆之间的区别,并且他认为单就记忆而言,人无法与机器相比。相对而言,他更关注记忆的媒介。在他看来,为了确保记忆长存,传统的做法是把记忆刻在陶土、石头、青铜等物质载体上,但根据热力学第二定律,这些物质载体迟早都是会损坏和消失的,唯有现在出现的人工记忆载体,即电磁技术,能够使记忆永久化。这就意味着,记忆是可以脱离人的身体而存在的。那么,当人的记忆全部转化为电脑内存(英文也是memory)时,作为电脑内存的图像,能否继续承担文化记忆的功能呢?
回应 2019-05-25 08:07 -
Pi 人脑的“逻辑深度”和“算术深度”都比计算机小的多,但有许多现代计算机不能比拟的优越性。比如,同样容积的神经元比人造元件能完成更多的运算,能同时处理更多的信息,记忆容量也大得多,每个神经元件的准确度较低而其综合的可靠性较高等等··· Pii 推论:既然神经系统和计算机的逻辑结构有很大区别,那么,我们所用的逻辑和数学,也就和语言一样,同样是历史的、偶然的表达形式··· 看不大懂,有空再研究
2017-09-25 18:06
-
工程中人们对数字精准度要求只有1:1000~1:10000,为什么计算机需要高精度? 因为连续运算时误差是叠加的,N次运算,误差将增加sqrt(N)倍 假设一台计算机每一步运算的精度是1:10^12,只有当N>10^18次方时,总误差才会大于1/1000 假设一步运算需要20微妙,连续计算48小时,N也才10,所以精度太高也没有意思。 根据 IEEE 754 标准,float 的精度为 1:2^23,double 的精度为 1:2^53,但在实际的工程中人们对数字精度的要求大概在...
2013-02-14 15:28 1人喜欢
工程中人们对数字精准度要求只有1:1000~1:10000,为什么计算机需要高精度? 因为连续运算时误差是叠加的,N次运算,误差将增加sqrt(N)倍 假设一台计算机每一步运算的精度是1:10^12,只有当N>10^18次方时,总误差才会大于1/1000 假设一步运算需要20微妙,连续计算48小时,N也才10,所以精度太高也没有意思。 根据 IEEE 754 标准,float 的精度为 1:2^23,double 的精度为 1:2^53,但在实际的工程中人们对数字精度的要求大概在 1:1000 到 1:10000 之间,而在一些非科学计算的应用里,人们对数字精度的要求更低。既然如此,人们在设计计算机的时候要使用如此高的精度?
回应 2013-02-14 15:28
这本书的其他版本 · · · · · · ( 全部5 )
-
北京大学出版社 (2010)8.4分 244人读过
-
江苏人民出版社 (2011)7.2分 50人读过
-
商务印书馆 (1979年)暂无评分 13人读过
-
未知出版社 (2011)暂无评分 2人读过
在哪儿借这本书 · · · · · ·
以下书单推荐 · · · · · · ( 全部 )
谁读这本书?
二手市场
订阅关于计算机与人脑的评论:
feed: rss 2.0
0 有用 坏卡超 2010-11-16
不懂额
0 有用 Wuyouz 2013-05-06
蜻蜓点水而已
0 有用 omytea 2013-12-30
待续
8 有用 亲爱的猥琐猪 2013-08-19
诺依曼最后一本著作。很薄的一本,质朴直白。早期翻译的原因,读起来像科幻小说。比如把Memory(存储器)直接译成“记忆”,把Organ(元件?)直接译成“器官”,感觉计算机不是个机器,更像一头怪兽呢(笑)。译者序各种高亮,恐怕也是时代所致。全书分两大部分,前一部分基本是计算机体系结构里最基础的模、数知识。后半部分的核心是探讨人类神经网络的信息处理方式和计算机之间的相似性,相当具有启发性,早在数十年... 诺依曼最后一本著作。很薄的一本,质朴直白。早期翻译的原因,读起来像科幻小说。比如把Memory(存储器)直接译成“记忆”,把Organ(元件?)直接译成“器官”,感觉计算机不是个机器,更像一头怪兽呢(笑)。译者序各种高亮,恐怕也是时代所致。全书分两大部分,前一部分基本是计算机体系结构里最基础的模、数知识。后半部分的核心是探讨人类神经网络的信息处理方式和计算机之间的相似性,相当具有启发性,早在数十年前,诺依曼已经注意到许多精细的问题,还提出“神经传递类似数模混合”、“明暗渐进”类似模糊逻辑之类超前思想,并对统计信息论有深刻洞见——这个“新人”(姓名梗)了不起! (展开)
0 有用 Nexus-6 2008-12-01
长期阅读
0 有用 渐近线 2020-12-31
很好 很好看 他要是写完得什么样
0 有用 花鸟刍狗间 2020-10-26
R36。有一些基础概念真的蛮有启发的!
0 有用 江湖骗子 2020-07-12
可惜没写完
0 有用 宇宙 2020-06-14
公司快倒闭了 我拿来收藏
0 有用 Bloodie 2020-03-03
经过我们对计算机和人脑的比较,我们清楚的认识到计算机和人脑没的比。然而我现在疑惑的是,人脑与人脑之间的差距为何如此之大,我为什么连无知都算不上。在体系内观察,语言是偶然的,数学是偶然的,是否存在终极精确的表达方式呢,我就是我的大脑,我无法了解自己,我跳不出自己的体系。