1) learning forms
学习样式
2) learning from worked examples
样例学习方式
1.
Over the recent years, combining learning from worked examples in teaching and self-explanation has already become a new hotspot in the research of transfer of learning.
针对前人研究结论的分歧和Rittle-Johnson研究中存在的不足,本研究以平均数差异检验为学习材料,以86名大学二年级学生作为被试,目的在于探究自我解释和样例学习方式对大学生数学概念原理掌握和问题解决的影响,并进一步研究影响的延迟效应。
3) patterns of exercise
练习样式
4) learning sample
学习样本
1.
Adopting the improved B P algorithm to establish network structure and thoroughly investigating the process, and the method constructing learning sample has been improved.
研究使用了一种基于统计的学习样本生成方法 ,提高了样本的质量。
2.
Firstly, divide the main class into subclasses which assume the similar index value, take the subclass center as the typical learning sample then make a new set of learning sample, and train the neural network using this sample set.
先将模式大类细分为具有相近指标值的子类 ,以子类中心为典型学习样本 ,构成新的学习样本集 ,并以此样本集训练神经网络 。
3.
One of selecting rules of learning samples is proposed according to the principle of the pattern recognition model.
鉴于学习样本对神经网络模型的模式识别性能有很大的影响 ,提出学习样本的选择应与识别模型所利用的特性相结合 ,并利用汉明 (Hamming)距离对用于旋转不变识别的级联模型的学习样本进行优选 ,计算机对三个很相似的飞机模型进行识别 ,识别结果表明对学习样本进行有效的选择不仅可以减少系统的学习训练时间而且可以提高模型的识别能力。
5) learning samples
学习样本
1.
It shows that the number of learning samples is the key for a good p.
本文详细地分析了不同 BP神经网络模型的预测效果以及制约其预测效果的主要因素 (网络结构、学习样本数量、隐层节点数、学习精度 ) ,并发现学习样本数是影响 BP神经网络性能的关
2.
According to the variation characteristics of the operating condition of internalcombustion engines, an improved orthogonal design method which considers the changes on factor boundary is proposed to choose learning samples of neural networks.
研究神经网络理论用于内燃机排放预测模型时学习样本的选取方法,针对内燃机工况变化的特点,对传统的正交设计法进行了改进,提出并验证了用考虑因素边界变化的正交设计法选取样本的可行性。
3.
Secondly,to extract learning samples from the MADM problem,an approach to estimate the utility functions for attributes is presented.
其次,提出了基于属性效用函数估计的学习样本构造方法,从决策问题本身抽取学习样本。
6) training sample
学习样本
1.
This method integrates the setting of initial parameters with the wavelet type,time-frequency parameters of the wavelet and the training samples.
为了加快网络的学习速度,本研究提出了一种将小波网络的初始参数设置和小波类型、小波时频参数和学习样本等联系起来的小波神经网络的初始参数设置方法。
补充资料：部分学习与整体学习
部分学习与整体学习
part learning and whole learning
部分学习与整体学习(part learningand whole learning)在运动学习和记忆学习中，根据对学习内容的处理方式可以分成部分学习和整体学习。部分学习就是将材料分成几个部分，每次学习一个部分:整体学习就是每次学习整个材料。一般来讲，整体学习的效果优于部分学习。但是，课题复杂彼此没有意义联系的材料，用部分学习的效果好:课题简短或具有意义联系的材料，用整体学习的效果好。在进行学习时，可以将部分学习与整体学习结合起来，先进行整体学习再进行部分学习，或者相反。这种相互结合的学习方式叫做综合学习，效果更好些。 (周国帕撰成立夫审)
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