结论 当激励改变了记忆介质并使改变维持相 当长一段时间后,系统才学会了。这也 说明了传统的解释学习是半永久的变化。 如果我们通过了微积分的考试,那么可 以说我们学会了微积分,并且可以持续 这种“会“的状态一段时间
结论 ◼ 当激励改变了记忆介质并使改变维持相 当长一段时间后，系统才学会了 。这也 说明了传统的解释学习是半永久的变化。 如果我们通过了微积分的考试，那么可 以说我们学会了微积分，并且可以持续 这种“会“的状态一段时间
举例 画家画画 ■除草机除草
举例 ◼ 画家画画 ◼ 除草机除草
学习与量化 ■学习模式与样本模式之间存在严重的不 兀配。 ■通常系统只能学会样本模式环境中一小 部分样本模式,而可能的样本数量使无 穷的
学习与量化 ◼ 学习模式与样本模式之间存在严重的不 匹配。 ◼ 通常系统只能学会样本模式环境中一小 部分样本模式，而可能的样本数量使无 穷的
学习与量化 量化的必要性 ■系统的存储量是有限的,这就要求系统 要通过学习学会用新的样本模式替换旧 的样本模式,从而形成样本模式的内部 表达或采样模式的样机。 ■学会了的样机定义量化模式
学习与量化 ◼ 量化的必要性 ◼ 系统的存储量是有限的，这就要求系统 要通过学习学会用新的样本模式替换旧 的样本模式，从而形成样本模式的内部 表达或采样模式的样机。 ◼ 学会了的样机定义量化模式
学习与量化 量子化 量子化,把样本模式空间”分成k个 区域:量子化区域决策组。被学习的原 型矢量在一个足够大的模式空间R中定 义了个m突触点。当且仅当某个m在R 中移动时,系统才进行学习
学习与量化 ◼ 量子化 量子化，把样本模式空间 分成k个 区域：量子化区域决策组。被学习的原 型矢量在一个足够大的模式空间 中定 义了个 突触点。当且仅当某个 在 中移动时，系统才进行学习。 n R n R m n mi R