本書英文版出版到今已近20年，但關於大腦究@如何工作的問題到今仍無答案，而符號主義（認為大腦是類似於計算機的加工符號的機器）與聯結主義（認為大腦是並行運轉的大型神經網絡）之間的爭論也從未停息。本書分析了聯結主義模型和符號加工模型在計算方面的優勢和劣勢，關注不同聯結主義模型之間的差異以及特定模型與符號加工的特定假設之間的關繫，並圍繞多層感知器展開討論。書中的觀點在現-在依然頻繁成為學術討論的焦點，並為認知科學、人工智能、深度學習等領域的未來研究指明了可能的方向。

譯者序
前言
*1章 認知架構1
1.1全書預覽2
1.2免責聲明5
*2章 多層感知器7
2.1多層感知器如何工作7
2.1.1節點7
2.1.2活性值8
2.1.3局部表示和分布式表示10
2.1.4輸入與輸出之間的關繫11
2.1.5對的要求12
2.1.6學習16
2.1.7學習率18
2.1.8監督18
2.1.9兩種類型的多層感知器19
2.2示例19
2.2.1家譜模型：前饋網絡20
2.2.2句子預測模型：簡單循環網絡22
2.3多層感知器是如何在認知架構的討論中出現的24
2.4多層感知器的吸引力25
2.4.1初步的理論思考25
2.4.2對初步思考的評價26
2.5符號、符號加工器和多層感知器29
第3章 變量之間的關繫33
3.1多層感知器模型和規則之間的關繫：細化問題33
3.1.1可以泛化UQOTOM嗎34
3.1.2UQOTOM的自由泛化：在可以執行變量操作的繫統中37
3.1.3在物理繫統中實現變量操作38
3.2多層感知器和變量操作39
3.2.1為每個變量分配一個節點的模型40
3.2.2為每個變量分配一個以上節點的模型41
3.3表示變量和實例之間綁定的替代方法47
3.3.1在多層感知器中使用節點和活性值進行變量綁定48
3.3.2聯合編碼48
3.3.3張量積49
3.3.4寄存器51
3.3.5時序同步52
3.3.6討論54
3.4案例研究1：嬰兒期的人工語法55
3.4.1不包含變量操作的模型55
3.4.2包含變量操作的模型60
3.4.3總結64
3.5案例研究2：語言屈折65
3.5.1經驗數據65
3.5.2三個標準的運用67
3.5.3討論76
第4章 結構化表示79
4.1多層感知器中的結構化知識79
4.1.1幾何構想80
4.1.2簡單循環網絡82
4.2對“大腦為每一個主謂關繫分配單獨的表示資源”這一觀點的挑戰84
4.3關於在神經基質中實現遞歸組合的提議88
4.3.1可以表示遞歸結構的外部繫統88
4.3.2語義網絡89
4.3.3時序同步92
4.3.4交換網絡94
4.3.5將結構映射到活性值95
4.4新提議99
4.4.1treelet99
4.4.2與其他方案的比較102
4.4.3一些限制104
4.5討論106
第5章 個體107
5.1多層感知器109
5.2客體*久性115
5.2.1客體*久性的實驗證據115
5.2.2缺乏顯式表示種類和個體之間區別的客體*久性模型118
5.3明確區分個體表示與種類表示的繫統120
5.4記錄和命題121
5.5神經實現123
第6章 符號加工機制從何而來127
6.1符號加工是天生的嗎127
6.1.1一種提議127
6.1.2可學習性論點128
6.1.3嬰兒的實驗證據129
6.2符號加工是否具有自適應性130
6.2.1符號130
6.2.2規則132
6.2.3結構化表示134
6.2.4個體136
6.2.5總結138
6.3符號加工如何發展138
6.3.1將DNA作為藍圖138
6.3.2是否應該放棄天生的結構化皮質微電路140
6.3.3在獲取經驗之前關於大腦結構組織的重要示例145
6.3.4解決一個明顯的悖論147
第7章 結論151
注釋155
參考文獻169