教育背景：      

中山大学逻辑与认知研究所哲学博士，2002，中山大学      

     

研究哲学：      

我的研究总目标是理解人类的学习与推理能力。我尝试从多个角度来达到这个目的：哲学，心理学，逻辑，数学模型和人工智能。目前我的重点是人类的学习与推理的计算模型，例如，基于Bayesian统计学的概率模型。我曾尝试过人工神经网络模型，基于lambda演算的逻辑-行为模型。也许Bayesian模型是最简明和最有解释力的模型。      

除了形式模型外，我需要心理学行为实验和计算机模拟这些重要方法。行为实验可以检验模型的成功与否，计算机模拟可以帮助理解人类的在某些状态下的行为模式。      

这些方法可以应用在社会-情感计算领域，例如，信息传播（gossip），空间传播，emotion在社会网络中的传播。复杂社会行为的计算模型是一个新兴的研究领域。      

     

研究方向：      

Bayesian模型（图模型与反事实条件句的因果解释力）；多agent系统；社会-情感计算；逻辑与哲学      

     

讲授课程：人工智能；推理心理学；计算认知科学；进化心理学；符号逻辑      

     

相关论文：      

心灵与机器的分野，自然辩证法研究，2004（6）      

计算思维：哲学，逻辑和实践，计算机科学，2009（4）      

Diameter of spread of happiness in social network，1th international conference on public mangement，Wuhan，China，2011