蒋志龙指点素描五官/艺考攻略丛书 在线下载 pdf mobi 2025 epub 电子版

《艺考攻略丛书:蒋志龙指点素描五官》内容简介：素描是造型艺术的基础。在造型艺术中，表现人物是高难的境界，也是素描学习过程的高级阶段，而表现人物五官，又是人物造型中的关键内容。蒋志龙结合自己多年基础教学经验，采用正规易懂的方法，在速写的观察方式和表现法方面作了较为全面、系统、具体的解释和示范，并选择了大量的优秀速写，以便初学者结合自身的喜好有选择地鉴赏、学习。

暂无相关目录，正在全力查找中！

蒋志龙，广西桂林人。1998年至今于广西师范大学美术学院任教，从事平面设计专业教学和研究工作。2001-2003年于中央美术学院设计学院研读视觉传达设计硕士研究生专业课程。2004年创办天通画室。一直致力于打造一流的美术高考教育专业画室，并为全国高等美术院校输送了大量的优秀人才。2007年组建图书策划工作室。陆续推出了一些专业书籍。《现代图形运用》(广西美术出版社，2002年)；《几何单体》、《几何组合》、《静物单体》、《静物组合》(广西美术出版社，2007年)；《艺考攻略——蒋志龙指点素描五官》 (湖南美术出版社，2008年)。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：蒋志龙指点素描五官/艺考攻略丛书在线阅读

在线听书地址：蒋志龙指点素描五官/艺考攻略丛书在线收听

在线购买地址：蒋志龙指点素描五官/艺考攻略丛书在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

《艺考攻略丛书:蒋志龙指点素描五官》内容简介：素描是造型艺术的基础。在造型艺术中，表现人物是高难的境界，也是素描学习过程的高级阶段，而表现人物五官，又是人物造型中的关键内容。蒋志龙结合自己多年基础教学经验，采用正规易懂的方法，在速写的观察方式和表现法方面作了较为全面、系统、具体的解释和示范，并选择了大量的优秀速写，以便初学者结合自身的喜好有选择地鉴赏、学习。

• 作者：地味な小作農 发布时间：2019-10-29 21:20:03

  真的感觉新教材编的不错，各个方面都有所兼顾，虽然有些文章删去了可惜，但是能编成这样估计也是编教材的老师们尽了最大的努力吧

• 作者：驴的呼吸 发布时间：2014-12-15 17:22:19

  这真的强烈推荐！很幽默，深入浅出，讲出很多道理！声音也很清楚！

• 作者：七月流火 发布时间：2021-01-10 21:10:22

  终于了解到自己自信匮乏的类型和根源，我要接受这个不完美的自己，一步一步改变，变成更自信、更好的自己！

• 作者：曼鱼堡要支棱 发布时间：2010-11-25 20:11:24

  初中课外读物。。。

• 作者：椰枫 发布时间：2020-08-08 10:44:17

  这个书名起的好像作者没上过高中一样。行文中很多错误，就像中午花了五分钟吃了个盒饭，赶着去车站一样。内容还凑合，但是这个不认真的态度我真想给你个一星。

• 作者：深紅子 发布时间：2009-12-13 13:51:43

  很好很详细

• 预测脑的详细阐释

  作者：杰克之路 发布时间：2023-11-20 12:41:43

  《预测算法：具身智能如何应对不确定性》这本书作者是Andy Clark，英国认知心理学家。这部作品主要讲解理论为“多层预测加工模型”，这也是这几年脑科学研究比较热门的领域，不少认知神经科学家同意大脑并不是一个“思考”的机器，而是一个“预测”的机器。很多研究分歧只是在于神经网络分层的拓扑结构的问题。

  多层预测加工模型遵循的基本原理和我们今天人工智能的多层网络模型基本一致，通过权重、前馈、反馈，机器学习等方式实现预测的功能，核心逻辑为贝叶斯定理。同时，我们的知觉和行为是一个循环系统，通过误差、表征、和精度来进行调整。多层预测加工模型比较好的解释了我们的感知觉，行为，注意，学习，认知加工，思考与反思，社会知觉和精神障碍等。不过，在这本书中对于幽默，兴趣爱好和自我意识的解释还比较弱，或者说比较牵强。

  我想谈谈多层预测加工模型对精神分析的重要意义。

  其实从后现代精神分析的观点，现象的本我/自我/超我已经比较模糊，很多时候只是取决于视角和知识话语的问题，但是心理问题确实体现出一定的结构性，如果用分层预测模型来看待这个问题，即自我是由多个所谓的“高低层神经网络的交互决定的”，即当我们展现“自我觉知”时，它会涉及到大量的预测误差和精度调整，而我们的记忆，认知，知识是形成这套自我模型的关键。精神分析中关于“自我”的过程在于通过提供足够强度的预测偏差，引发机器学习的过程，从而在调用“自我概念”的模型时，其预测误差发生变化，同时权重有所调整。

  最终调整和形成的自我概念会作为一个相对高层的预测输入。它会对我们很多方面的感知觉-行为循环造成影响，也会对我们的情绪，对我们的学习过程造成影响。形象说，自我概念对于我们理解这个世界和与这个世界的交互有比较大的预测权重。

  因此，精神分析最重要的就是这个黑点，即制造足够强度的预测误差，引发大脑机器学习的过程。而这个黑点即时拉康所说的精神分析的位置。

  我们强调精神分析采取一个悬浮注意的立场（弗洛伊德，拉康），一个无欲无求的立场（比昂），其重要性在于一个反差的视角，在来访者的预测模型中增加更多的不确定性。

  反之，如果分析师过多的带入自己的立场，则来访者的预测加工模型中会自动带入习得的预测输入，产生习得的感知觉行为，简单来说，造成没有意义的“阻抗”或者“停滞”。

  有意思的是，比昂的网络结构图，极大程度上和我们所说的多层预测加工模型相似， β元素，α元素，梦，前概念，主观体验，概念，抽象思维，自我（注：自我这个是我定义的，不是比昂）。反过来说，β元素代表了最底层的误差与表征单元，在预测模型下，那些对我们来说，初步有意义的β元素进入到上一层，成为α元素（思想的基本元素），代表了初步加工和处理的误差与表征单元，然后再进到下一层。。。

  

  总之，这个视角，即预测脑视角的作品值得绝大多数心理学工作者学习并掌握。对精神分析师来说，当前比较重要的几个流派，心智化、主体间性（包含自体心理学和客体关系）、与拉康流派，都涉及到与预测脑范式的交叉和补充。

  必修啦！

  这部作品对于心理学爱好者来说比较难，部分因为书中大量的专有名词，部分因为对人工智能模型比较陌生。

  书不易读，需要静下心来看！

  以下是这本书中基本理论的摘录，供参考！

  【1】

  知觉是一个预测驱动的建构过程，它永远植根于过往（系统性知识），在多个时空尺度上对未来提前做出考量。

  多层架构的预测驱动学习可能是以我们的方式理解世界的关键所在 - 在我们眼中，世界是高度结构化的，它表现为对应不同时空尺度的一系列规律和模式，同时充斥着各类彼此交互的、复杂嵌套的远因。

  睡眠-觉醒算法让识别与生成任务彼此引导，允许系统在迭代评估中论题的训练两组权重，以习得识别与生成模型。该算法会使用其下行连接指定隐藏单元的理想状态，由此对识别模型的建构进行事实上的自我监督。

  多层预测编码或“预测加工”过程包含自上而下的概率生成模型以及如何使用、合适使用这些模型的具体方案。根据这些方案，自上而下或横向流动的信号始终（而非仅在学习过程中）致力于预测当下传入的海量感知刺激（即所谓“感知弹幕”），只留下那些没有得到准确预测的因素（以“预测误差”的形式）在系统中前馈的传播信息。。。如果将该机制转置于神经系统，则预测误差代表着任何尚未得到解释的感知信息。

  视神经回路使用局部图像特征对其视空上各邻近点的图像特征进行预测（基本假设是各邻近点具有类似的图像强度），并从真实的信号中减去预测值。因此，最终得到编码的不是原始值，而是原始值与预测值的差异。

  预测加工模型假设，系统各层都具有一种复式结构：每一层均包含对输入的表征以及对误差和感知不确定性的评估。

  预测加工模型最为显著的特点在于，按照该模型，前馈信息只包含误差，而反馈信息只传递预测。因此，预测加工架构在熟悉与新颖之间实现了相当微妙的平衡。系统依然实在对一系列特征进行检测，这些特征可能被选择性增强，而且越是复杂的特征，其对应的神经处理单元距离外围感受器越远。

  浅层锥体细胞（前馈神经连接的基本发源地）扮演误差神经元的角色，横向或自下而上的传播残差，而深层锥体细胞则扮演表征神经元，（基于复杂的生成模型）横向或自上而下的传播预测。

  越来越多的证据显示，我们通常不会使用单一的计算结果知觉环境事件的状态或特征（比如可见对象的深度），而是使用条件概率密度函数，对“当前感知输入条件下该对象不同深度值的相对概率”进行编码。

  重复刺激通常会抑制反应，这是因为它提高了刺激的可预测性，因此降低了预测误差。

  听觉系统需要一个听觉输入相关规律（包括那些抽象听觉规则）的内部模型，用于生成关于传入刺激的不同权重的预测。

  想象系统每一层及都包含两种功能不同的神经细胞或处理单元：“表征单元”，编码该层级当前的最佳假设（针对其偏好的描述层次），并将这些假设作为预测下行馈送（反馈）至较低一层；“误差单元”，在该层级局部活动没有得到下行预测（来自较高一层）的理想解释时，将活动上行馈送（前馈）至较高一层。

  【2】

  所谓“精度”，就是对信息确定性或可靠性（信度）的评估。具体实现机制是调节相应误差单元的权值，或使用一个常见的类比 - 调节其“增益”或“音量”。其结果是“控制不同层级先验期望的相对影响”。精度越高，不确定性就越小，相对误差单元的增益也就越大。若如此，则注意仅仅是一种增强特定误差单元权值的方法，能使这些单元的激活更容易引发特定的响应、学习和行动。

  我们可以将注意看作一种对感知信号的选择性取样，相对于系统的预测，那些被选择的信号所具有的精度（信噪比）更高。

  精度评估，以及对应的预测误差增益变动能带来直接的优势和重要的好处：这将允许预测加工机制流畅的整合表面上彼此矛盾的信号抑制和信号增强。精度评估有助于决定信号如何在不同脑区间实时流动。

  注意始终与我们的期望以及对更新、更好的信息的搜索紧密相连。

  哪个模型能够解释消除可靠性更高的感知信号，它就为哪个模型“背书”。

  行动是基于精度预期的感知信息取样工具。

  积极的视觉扫描指的是我们的注视点会提前移动到预期相关信息可能出现的位置上；而各种形式的积极干预，其共同目的是即时提供更好的信息以指导相关行动。

  预测加工模型主张：行动、知觉和注意（实际上）都是某个单一机制的成分，其目的在于构建情境/任务相关的、上行感知线索和下行期望的组合。

  通过学习，系统掌握了如何以符合特定任务要求的方式对环境进行取样，以获取高质量的感知信息。

  知觉、注意和具身的行动共同推动着主动知觉的自驱动循环，在这个循环中，我们根据系统性的“信念”探索世界，这些信念涉及我们的行动将会揭示些什么。

  内源性的注意对应于意志控制过程，它会影响某些任务相关特征或选定空间区域的预测误差权值；外源性注意对应于自动化程度更高的加工过程，在流畅执行某些习得良好的任务时，或在对生态意义显著的线索的响应中，它会提升系统所选的的预测误差信号的权值。

  感到意外可能时我们保存有用信息的一种方式，这些信息表明：在当前证据驱动的一系列推理实施以前，个体知觉到的事件状态被评估为极不可信。如果没有产生这种“意外”感，这些有用的信息就将被丢弃。

  【3】

  任何统计上有效的关联，只要在“元模态”（或至少是信息整合程度更高的）区域内得到了登记，都可循多级加工架构向上影响高层预测，后者继而经由先前被认为对应单模态信息加工的各个区域，一路下行直至接近感知系统的外围。

  元模态算子，由给定计算定义，不管该区域接受的感知输入具有何种模态，算子都将得到执行。

  在鸟鸣声实验中，网络首先模糊的知觉到（想象出）缺失的鸟鸣声，然后在明确信号缺失时立即以强误差信号做出反应。这样的结果很好的模拟了所谓的 mismatch负波，即脑电研究中因意外刺激或刺激缺失而引发的p300反应。

  内部模型之所以支持想象，一个重要的原因便是它们本质上是生成性的。也就是说，高层编码的知识（模型）必须支持该层级活动对低层响应模式的预测。这意味着在更大的系统情境下运作时，居于第n+1 层的模型能够在架构的第n层自行生成感知数据。

  关于做梦：一旦缺乏稳定的感知输入，系统就将大幅降低对低层状态的精度评估。由于精度加权机制包含对加工级联中某些部分的凸显，某些低层状态精度权值的降低意味着其它（较高层）状态预期精度的相对提升，其整体效果是内部预测的展开与对感官状态的检验实现了暂时性的隔离，也就是“内部大脑动力学与感觉中枢的隔离”。

  在正常清醒状态下，大脑的工作状态（定义为两个系统活动的比率）倾向于由胺能系统主导，而在快速眼动睡眠中则以乙酰胆碱为主，经验因此越来越游离，不由感知输入锚定且不受意志控制。

  我们的大脑并非不同子系统的混杂，而是由统计上高度敏感的相互作用构成的网络，其综合了情境与内容，且能够实现特化与整合间的平衡。

  大脑“基本可以描述为一个前瞻性的器官，其设计目的是利用过去和现在的信息生成关于未来的预测”。这可能是情境记忆之所以脆弱、零碎且经常重建的深层原因，因为“一个只会以死记硬背的方式存储和记录的记忆系统不适于模拟未来事件”。

  【4】

  关于自我胳肢无效 - “内部运动系统正向模型生成的预测会导致自发动作产生的触觉刺激主观强度的减弱”。

  在神经典型性被试中，自我预测的感知抑制效应的强度与形成妄想样信念的倾向呈负相关。

  自我预测机制能够对海量感知数据进行过滤，增强那些由外因生成的刺激，在头部和双眼持续小幅运动的条件下保证知觉的稳定性，同时抑制对那些更可预期的（因而生态意义或许并不足够重大的）刺激的反应。

  根据最有反馈控制理论，运动控制问题在数学上等价于贝叶斯推理。大略来说，这一过程就是将期望（目标）状态与观测状态相对应，为寻求达成期望的行动方案执行贝叶斯推理。

  系统要预测自身实施期望行动后将会经历的本体觉轨迹，而这种感觉在当下尚未真正发生。预测误差就来自针对这些非真实状态进行的计算，而降低预测误差的努力有助于让这些状态转化为现实。我们对自身（期望）行动的本体觉后果做出预测，而行动就源自这种预测。

  根据“生成主义”，心智积极的建构其所揭示的世界。在较短的时间尺度上，这种建构仅指先前描述的积极采样过程：我们对自身所处场景进行采样，致力于反映或证实自己对世界的理解，而我们的理解又反过来构造了采样行为。在较长的时间尺度上，我们借助这一过程建构“设计者环境”，以安置那些决定我们如何行动（如何对该环境采用）的新预测。因此，我们建构了建构心智的世界，而心智则是关于在这样的世界中应如何行动的期望。

  行动是一种基于预测构造信息流的强有力的方法，与此同时，行动在概念上占据重要地位，因为它提供了实际改变感知信号以降低预测误差的唯一途径。

  在某种意义上，根据“观念运动”理念，现实世界与内部世界的因果性是互逆的。关于行动意向效果的心智表征是行动的原因：也就是说，并非行动造就了其效果，而是效果（的内部表征）造就了该行动。

  【5】

  Markov 等人 (2013, 2014) 使用神经追踪技术和神经网络模型对猕猴视皮质进行研究发现，反馈和前馈连接在解剖学结构和功能上都是彼此独立的，而且前馈和反馈通路“遵循定义良好的距离法则”，因此正面了预测加工理论关于层级结构和前馈/反馈功能不对称的观点。

  我们最好将知觉加工的层级结构想象成一个球体，而不是一架折梯。感知刺激会扰动球体的外围，并与一系列逆向传递的预测相遇，而具体调用哪些预测取决于具体的情境与任务。在这个球体中存在着各类结构，以及结构的结构，持续流动的信息及其影响并非一成不变。

  脑的大尺度系统能依据情境，以惊人的程度重置其功能架构。

  “在行动或观察时，我们都可以使用同一套生成模型，（根据视野中的动作是由我们自身还是他人执行）选择性的关注视觉或本体觉信息。与被动的观察相反，当自身执行动作时，分配给相应本体觉误差的精度权值必须被调高，在这种情况下，如若高权值得本体觉预测误差能得到一系列下行预测得妥善处置，我们就会感觉到自己是行动得主体。

  【6】

  从预测驱动的学习过程中提取的概率性程序知识体系能够帮助我们看透表层的“统计纱帘”，直抵外界彼此交互的诱因本身。预测驱动的学习过程并不会为主体呈现一个客观领域的某种行动中立的意象，相反，它提供的是一种对“可供性”的把握，也就是说对特定主体而言环境提供了那些行动和干预的可能性。所以，可以得出结论，大脑中的概率推理引擎不会在主体和世界之间构成任何障碍，相反，它提供了一种独一无二的工具，让我们得以与充满人类可供性、具有重要意义的外界环境建立有效联系。

  在特定多层贝叶斯模型中各加工层级以一种极其有效的方式相互作用，每一层都致力于解释较低一层的激活模式。

  一个采用“经验贝叶斯”方法的多层系统能偶从数据中自行习得先验。

  人类大脑不会等到某个决策完全成形后再行调用运动系统，而是始终传递着不完全的信息，以分级的方式为可能的行动结果做好准备。

  世界通常处于某个确定的额状态。要实现这一超先验，大脑可以使用如下形式的概率表征：尽管存在持续不断的竞争，但每个分布都是单峰的。我们的大脑似乎只接受单峰值后验信念分布的基本原因是，这些信念到头来都要指导行动，而我们无法一次实施好几种行动。

  知觉确实能够被自上而下的影响所渗透，但这只会发生在渗透经过足量实列的训练，最终稳定下来之后。

  【7】

  先验预期相对影响力的减弱将导致异常感知经验的产生（比如说在患者看来，自发的行动似乎受到某种外因的操纵），而这种感受会驱使他们对当前经验形成越来越奇特的高层理论和假设。

  对动作本身的关注提高了当前感知信息的精度，其结果则是限制了高层本体觉预测的影响，而流畅的操作原本就是由这些预测产生的。

  上行和下行的痛觉系统类似于一个多层递归网络，它能够实施预测编码，意味着大脑不会被动的等待伤害性感受（疼痛）的冲击，而是基于先前的经验和期望积极的进行推理。

  Pellicano和Burr从贝叶斯理论的角度提出，由于某种干扰，先验知识的影响力降低，自闭症患者应对感知不确定性的整体能力受到了影响。结果是，他们会更倾向于将传入信息解读为信号而非噪音（这增强了他们发现隐藏的图形，以及是被感知对象的真实轮廓的能力）。但这同时意味着对自闭症被试而言，海量涌入的感知信息都是显著的、值得关注的，他们必须为此付出更多的资源，对情绪造成的影响也就更严重。

  人格解体障碍的根源在于内感觉预测的精度不足。这种精度不足是病理性的，它将影响下行预测的效力，使其无法解释消除内感觉传入信息，大量毫无根据的预测误差会因此源源不断的累积起来。在主观上，这将表现为某种难以解释的陌生感，产生自外感觉期望和内感觉期望的交汇。最后，在严重的情况下，系统不断尝试解释消除这些误差信号，并可能采用某些新的、怪异的假设（涉及我们的具身感或能动感的妄想式信念）。

  情绪和主观感受的产生是多层推理的结果，这种推理活动将（内感觉、本体觉和外感觉）感知信号与下行预测相结合，产生了一种感觉，其关乎“事情对我们如何”及“我们该做些什么”：这种“行动准备就绪”的感觉包含了我们的背景生理状况、对当前行动可能性的评估，以及对更广阔的世界所处状态的理解。

  【8】

  感受器是开放性的通道，来自环境中的刺激能够借此对行为施加持续性的影响。相应的，感知过程就是通道的开启：当通道中的活动水平保持在特定范围内，系统的整体性行为就会涌现。这样一来，“关注点就从对环境的准确表征转到了与环境的持续交互，这是一种有效的对接，依靠身体实现，旨在让协调适应的行为模式保持稳定”。

  神经加工过程在根本上就是行动导向：它们将世界表征为一个不断演化的矩阵，其中包含海量并行的、部分计算的行为和干预的可能性。

  广义贝叶斯仲裁原则：系统会评估当前状况下各“神经控制器”的相对不确定性，决定哪个控制器精度最高、最适于对行动和选择进行指导。每一套可用的神经资源都会计算一条行动路径，但只有最为可靠（在当前情况下不确定性最低）的资源才能确定行动和选择所需的高精度预测误差。

  真实的心智结构或许更具整合性：快速、习惯化、基于启发式的反应模式通常是默认的路径，与此同时，我们还拥有各种各样可资利用的策略。这些策略间的平衡是由可变精度加权机制决定的，它取决于各种形式的内源性与外源性注意。

  预测学习的基本过程持续不断的进行，为系统缓慢的安装了大量模型。这些模型包含精度期望，能让有效连接模式“动态的”建构与重构。系统得以根据当前情境以快速的、无需依赖大量知识的方式做出反应。这样一来，大脑既实现了“有效而懒惰”，又能使用基于模型的策略。

  预测加工理论表明，在任何情况下，我们的神经架构都服务于这样的滚动循环，随着循环的继续，分布式问题解决体系的柔性组装和重组不断进行。这一过程无需由什么“内心的小矮人”监督，相反，情境中高精度、高质量预测误差的不断降低决定了这些联合形成与分解的具体方式。通过有机体的行动表达，显著的高精度预测误差将大脑、身体和世界的不同元素粘连起来，共同纳入了临时性的问题解决体系。

  【9】/【10】

  心理模拟受生成模型所隐含的连锁性约束条件限制，能让我们充分利用自己已经掌握的生成模型，而突出修剪则从内部改良这些模型。

  我们所获得的世界模型是通过一种动态机制执行的，这种动态机制不太稳定，带有某种混沌的特性。在这种条件下，模型本身（本质上是指导知觉和行动的结构化的神经活动集群）会不断“漫游”，探索其自身领域的边界。

  要产生新思想或形成新概念，预测加工系统就需要接触新异感知刺激，产生高权值的（显著）预测误差。如果系统已经掌握的模型之中没有一个能将这种高权值误差解释消除，它就会（一切顺利的话）部署新的模型，获得关于这些新异刺激的诱因具有何种形态和特性的知识。

  语言是一种得到了精心调试的方法，能在神经加工的不同层级认为的操纵预测误差的精度（并临时性的改变其影响）。这种对精度的临时性的、有针对性的巧妙操纵能选择性的增强或抑制我们自己的，或其他个体的世界模型的任意方面。因此，我们能借助自发产生的（或在内心预演的）语言运用自己习得的生成模型，并开发其全部潜力。

  在更大范围内，社会规范就是一种通过建立结构或图式，让行为更好预测并降低相互不确定性的手段。我们会将社会规范表征位概率分布，以此指导可预测的社会性行为，因而降低社会系统的熵值。

• 书有醍醐灌顶的作用，也很有知识

  作者：大妞 发布时间：2010-12-20 19:41:48

  由于先认识了作者，后拜读了书，呵呵。坦白讲，里面小bug不少。并且有些用语让我感觉过于戏虐和不雅。但此书对我很有醍醐灌顶的作用，以前对美国很是有些盲目崇拜，现在书里的很多实例让我看到了一个更真实的美国，更真实的美国法律界。

  作者也是很谦虚很平和的一个大哥，从书里能看出作者工作上的一些细节，从律师角度讲，很是敬业和称职。

  作者正在写第二本，希望能改掉硬伤，多写些实践经验，也许书会更畅销些吧