УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  Ѕелов ћ.¬., Ќовиков ƒ.ј., –огаткин†ј.ƒ.
Ќазвание:  ќценки кривых научени€
¬ыпуск:  82
–убрика:  —истемный анализ
√од:  2019
Ѕиблиографи€:  Ѕелов ћ.¬., Ќовиков ƒ.ј., –огаткин†ј.ƒ. ќценки кривых научени€ // ”правление большими системами. ¬ыпуск 82. ћ.: »ѕ” –јЌ, 2019. —.6-27. DOI: https://doi.org/10.25728/ubs.2019.82.1
 лючевые слова:  модель научени€, крива€ научени€, совместное научение
 лючевые слова (англ.):  iterative learning, learning curve, joint activity and learning
јннотаци€:  »теративное научение как обучение в строго повтор€ющихс€ услови€х Ц одна из простейших разновидностей научени€; оно лежит в основе формировани€ навыков у человека, условных рефлексов у животных, обучени€ многих технических (материализованных) и кибернетических (абстрактно-логических) систем и €вл€етс€ предметом исследовани€ в†педагогике, психологии и физиологии человека и животных, в†теории управлени€ и в других науках. ƒл€ модели индивидуального научени€ в дискретном времени получены верхн€€ и нижн€€ оценки кривых научени€, охарактеризована их асимптотика по времени и†значени€м параметров. ƒл€ модели совместного научени€ в непрерывном времени получены верхние и нижние оценки, а также нижн€€ асимптотическа€ (по числу агентов) оценка агрегированного уровн€ научени€. ѕриведены стохастические асимптотические (по времени) оценки процесса научени€, а†также получены доверительные интервалы дл€ значений уровн€ научени€.
јннотаци€ (англ.):  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.

¬ формате PDF
ќбсудить статью в »нтернет-конференции по проблемам управлени€

ѕросмотров: 79, загрузок: 19, за мес€ц: 7.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены