1) congener learning
类间学习
1.
Facial expression recognition using neural network of congener learning;
类间学习神经网络的人脸表情识别
2) category learning
类别学习
1.
Progress in research on category learning based on similarity and interpretation;
相似性与解释的类别学习研究新进展
2.
The neuropsychological approach to category learning is an effective pattern to identify theories in category learning.
类别学习的神经心理学研究是检验类别学习理论的一种有效研究范式,它有助于我们对类别学习理论的深入理解,以及对认知活动过程和脑机制的认识。
3.
The multiple systems theory in category learning was introduced in this paper.
介绍了国外学者为验证类别学习的多重系统理论所做的行为实验研究及主要结果,包括反馈训练、延迟反馈、反应位置、间断的类别刺激分布等因素对信息整合的类别学习的影响,和数字Stroop任务、序列记忆扫描任务、类别数量等因素对基于规则的类别学习的影响;同时,作者指出了实验中没有很好地解决两种类别结构之间的难度差异等问题,并提出了今后需要进一步研究的课题。
3) Category learning
归类学习
1.
It is not only one of central issues of human intelligence activity, but also the basic element composing more complex cognitive task, thus, the specific cognitive processes associated with categorization have been studied extensively by cognitive psychologists, and there are different opinion on which represent strategy are used in category learning.
归类学习是个体学会将刺激放在两个或更多类别的认知过程,它不但是人类智力思维活动的中心环节之一,它同时也是构成其他更为复杂的认知任务的基本成分,因此,归类学习的心理加工过程一直倍受认知心理学家的关注,尤其是归类学习过程中人们使用何种表征策略一直是众说纷纭。
4) clustering learning
聚类学习
1.
The property of clustering learning of the DRNN makes it very suitable for real-time speech recognition with on-line learning ability.
DRNN聚类学习的性能使得它非常适用于与在线学习方式相结合的实时语音识别系统。
2.
The discretization method is performed by selecting the most significant attribute from the discretized attributes, then making clustering learning on it together with the continuous attribute to be dis.
受此启发 ,在连续属性离散化方法中可把它用于属性选择 ,即从已离散化的属性集中选择出属性重要度最高的属性 ,再把它和待离散化的连续属性一起进行聚类学习 ,得到该连续属性的离散区间。
5) learning by analogy
类比学习
1.
Research into Chinese Names Recognition Based on Learning by Analogy;
基于类比学习的人名识别方法研究
2.
And incorporating learning by analogy to make the system more intelligent.
然后分析指出其原因是由于缺乏学习功能，并引入类比学习机制使之具有类似于人类直觉、联想的功能，实验结果表明改进后的系统对反转学习问题及其相似问题的求解效率大大优于现有系统。
6) single class learning
单类学习
补充资料：类属学习
类属学习
subordinate learning
类属学习(sub。rdinate learning)类属是指在命题学习或概念学习中，把新知识归属于原有认知结构的某一适当部位并使之相互联系的过程。通过这一过程而获得一定意义的学习，就叫做类属学习。它可以区分为两种:(l)派生类属学习。在这种学习中，新知识是认知结构中原有知识的派生物，或者是原有概念的特例，或者是原有命题的例证，是从原有的具有更高包摄性和概括性的概念或命题中派生出来的。例如，认知结构中已有“具有光泽、延展性、易导电、传热等性质的物质是金属”这一知识，当学习新知识“锰”时，只要知道“锰”是“金属”中的一种，便会获得“锰也具有光泽、延展性、易导电、传热等性质”这意义。可见，“锰”这一新知识是从原有知识“金属”派生出来的。(2)相关类属学习。在这种学习中，新知识类属于原有的具有较高概括性的概念或命题，由于二二者的相互作用，使原有的概念或命题得到扩展、深化、修饰或限定，使新知识获得意义。例如，过去己经知道“挂国旗是爱国行动”，现在学习一个新命题:“保护燃料是爱国行动”。新命题类属于原有的“爱国行动”中，结果新命题获得意义，原有的“爱国行动”被扩展或深化。在这一学习中，新命题一与具有较高概括性的类属者(’’爱国行动，’)结合，发生相互作用。但新命题的意义并未完全蕴含在“爱国行动”之中，也不能为其所代表。 (成立夫撰{巫国审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条