致谢
前言
第一部分
  1  概论
    1.1  介绍
    1.2  生命有机体的持存与适应
    1.3  主动推理：基于第一原则的行为
    1.4  全书结构
    1.5  总结
  2  主动推理的底层逻辑
    2.1  介绍
    2.2  作为推理的知觉
    2.3  生物的推理和优化
    2.4  作为推理的行动
    2.5  最小化模型与世界的差异
    2.6  最小化变分自由能
    2.7  预期自由能和作为推理的计划
    2.8  何谓预期自由能
    2.9  关于主动推理的底层逻辑
    2.10  总结
  3  主动推理的顶层逻辑
    3.1  介绍
    3.2  马尔科夫毯
    3.3  惊异最小化与自证
    3.4  推理、认知与随机动力学
    3.5  主动推理架构：理解行为与认知的新基础
    3.6  模型、策略与轨迹
    3.7  在主动推理架构下协调生成论、控制论和预测理论
    3.8  主动推理：从生命的涌现到能动性的产生
    3.9  总结
  4  主动推理的生成模型
    4.1  介绍
    4.2  从贝叶斯推理到自由能
    4.3  生成模型
    4.4  对应离散时间任务的主动推理
    4.5  连续时间的主动推理
    4.6  总结
  5  消息传递和神经生物学
    5.1  介绍
    5.2  微观回路与消息
    5.3  运动指令
    5.4  皮质下结构
    5.5  神经调节与学习
    5.6  表征离散变量与连续变量的层级
    5.7  总结
第二部分
  6  主动推理模型的设计指南
    6.1  介绍
    6.2  主动推理模型：四步设计指南
    6.3  我们在为什么系统建模？
    6.4  生成模型最恰当的形式是怎样的？
    6.5  如何创建生成模型？
    6.6  怎样理解生成过程？
    6.7  基于主动推理架构执行数据的模拟、可视化、分析和拟合
    6.8  总结
  7  离散时间的主动推理
    7.1  介绍
    7.2  知觉推理
    7.3  作为推理的决策与计划
    7.4  信息搜集
    7.5  学习与求新
    7.6  多层（深度）推理
    7.7  总结
  8  连续时间的主动推理
    8.1  介绍
    8.2  运动控制
    8.3  动力系统
    8.4  广义同步
    8.5  混合（离散+连续）模型
    8.6  总结
  9  基于模型的数据分析
    9.1  介绍
    9.2  元贝叶斯方法
    9.3  变分拉普拉斯
    9.4  参数经验贝叶斯（PEB）
    9.5  基于模型的数据分析指南
    9.6  生成模型举例
    9.7  错误推理的模型
    9.8  总结
  10  作为感知行为之统一理论的主动推理
    10.1  介绍
    10.2  完整梳理
    10.3  融会贯通：以整合水平理解主动推理架构
    10.4  预测性的大脑、心智和预测加工理论
    10.5  知觉
    10.6  行动控制
    10.7  效用与决策
    10.8  行为与有限理性
    10.9  效价、情绪与动机
    10.10  稳态、稳态应变与内感觉加工
    10.11  注意、显著性与认识活动的动力学
    10.12  规则学习、因果推理与快速泛化
    10.13  在其他领域应用主动推理：一些可能的方向
    10.14  总结
附录
  附录A  相关数学背景
  附录B  主动推理的数学方程
  附录C  Matlab代码：一个带注释的例子
注释
参考文献
索引