Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Pas clair. Décrivez l'algorithme d'évaluation.
Dans la table de multiplication de 1 à 10, il y a 100 variantes de combinaisons. Il faut donc 100 réponses correctes à toutes les variantes de multiplication des nombres pour une mémorisation complète.
Vous voulez dire itérer à travers différentes options comme je l'ai suggéré plus tôt ?
Il n'existe pas de mesure distincte pour la qualité de la "mémorisation" dans la MO. La mémorisation et la généralisation sont deux éléments liés du même processus, deux faces de la même pièce, qui partagent une mesure commune telle que la perte de logarithme.
De précieux experts pourraient enfin lire la théorie de la MO.
Je ne suis pas d'accord avec l'idée qu'un enregistrement ne devient mémorisable qu'après évaluation. Lorsque l'on écrit des données dans une base de données (ou dans un arbre, ou dans un modèle de clustering à apprentissage maximal), on les écrit telles qu'elles sont, sans aucune action supplémentaire. La base de données n'a aucune idée de ce qu'elle doit mémoriser (table de multiplication, loi d'Ohm, autre formule ou marché quasi aléatoire). Ce qu'elle doit mémoriser/enregistrer, elle le stocke dans les lignes, les feuilles et les groupes de la base de données.
Avant de parler d'un type d'apprentissage appliqué (algorithme), et même de la théorie de l'apprentissage, je voulais attirer l'attention sur l'image complète du sabj local (apprentissage).
D'après certaines réponses, l 'apprentissage est unemaîtrise progressive d'une manière d'interagir avec le monde, où l'apprentissage n'est pas tant un processus d'accumulation de connaissances qu'une adaptation constante, une compréhension des modèles et la capacité de les mettre en pratique dans un nouveau contexte.
Je ne suis pas d'accord avec l'idée que l'enregistrement ne devient mémorisation qu'après évaluation. Lorsque l'on écrit des données dans une base de données (ou dans un arbre, ou dans un modèle de regroupement à apprentissage maximal), on les écrit telles qu'elles sont, sans aucune action supplémentaire. La base de données n'a aucune idée de ce qu'elle doit mémoriser (table de multiplication, loi d'Ohm, autre formule ou marché quasi aléatoire). Ce qu'elle doit mémoriser/enregistrer, elle le stocke dans les lignes, les feuilles et les groupes de la base de données.
Une contre question aux experts : quelle est la différence entre l'acquisition de connaissances et la mémorisation ?