УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта

Оценки кривых научения


Название статьи:  Оценки кривых научения
Выпуск: 82
Год: 2019
Библиография: Белов М.В., Новиков Д.А., Рогаткин А.Д. Оценки кривых научения // Управление большими системами. Выпуск 82. М.: ИПУ РАН, 2019. С.6-27. DOI: https://doi.org/10.25728/ubs.2019.82.1
Дата опубликования: 30.11.2019
Ключевые слова: модель научения, кривая научения, совместное научение
Аннотация: Итеративное научение как обучение в строго повторяющихся условиях – одна из простейших разновидностей научения; оно лежит в основе формирования навыков у человека, условных рефлексов у животных, обучения многих технических (материализованных) и кибернетических (абстрактно-логических) систем и является предметом исследования в педагогике, психологии и физиологии человека и животных, в теории управления и в других науках. Для модели индивидуального научения в дискретном времени получены верхняя и нижняя оценки кривых научения, охарактеризована их асимптотика по времени и значениям параметров. Для модели совместного научения в непрерывном времени получены верхние и нижние оценки, а также нижняя асимптотическая (по числу агентов) оценка агрегированного уровня научения. Приведены стохастические асимптотические (по времени) оценки процесса научения, а также получены доверительные интервалы для значений уровня научения.


Author(s): Belov M., Novikov D., Rogatkin A.
Article title: Learning curves estimates
Issue: 82
Year: 2019
Keywords: iterative learning, learning curve, joint activity and learning
Abstract: Iterative learning as learning in strictly repeating conditions is one of the simplest varieties of learning; it underlies the formation of human skills, conditioned reflexes in animals, the training of many technical (materialized) and cybernetic (abstract-logical) systems and is the subject of research in pedagogy, psychology and physiology of humans and animals, in control theory and in other sciences. For the model of individual learning in discrete time, upper and lower bounds for learning curves are obtained, their asymptotic behavior in time and parameter values is characterized. For the model of joint learning in continuous time, upper and lower bounds are obtained, as well as a lower asymptotic (by the number of agents) estimate of the aggregated level of learning. Stochastic asymptotic (in time) estimates of the learning process are presented, and confidence intervals for the values of the learning level are obtained.


В формате PDF
Обсудить статью в Интернет-конференции по проблемам управления

Просмотров: 184; загрузок: 76, за месяц: 9.

Назад

ИПУ РАН © 2007. Все права защищены