آموزش برنامه درسی
ترجمه شده

آموزش برنامه درسی

عنوان فارسی مقاله: آموزش برنامه درسی
عنوان انگلیسی مقاله: Curriculum Learning
رشته های تحصیلی مرتبط: علوم تربیتی
گرایش های تحصیلی مرتبط: مدیریت و برنامه ریزی آموزشی
دانشگاه: گروه IRO، مونترال
ناشر: Citeseerx
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
صفحات مقاله انگلیسی: 18
صفحات ترجمه فارسی: 16
فرمت مقاله انگلیسی: pdf
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
ترجمه شده از: انگلیسی به فارسی
وضعیت ترجمه: ترجمه شده و آماده دانلود
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا منابع داخل متن درج یا ترجمه شده است: بله
آیا توضیحات زیر تصاویر و جداول ترجمه شده است: بله
آیا متون داخل تصاویر و جداول ترجمه شده است: خیر
کد محصول: 9218
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: درج نشده است/در داخل متن و انتهای مقاله درج شده است
ترجمه فارسی فهرست مطالب

چکیده


1- مقدمه


2- نکاتی در خصوص مسئله بهینه سازی سخت یادگیری شبکه های عصبی عمیق


3- برنامه درسی به عنوان روش مستمر


4- آزمایشات اسباب بازی با معیار محدب


4-1 مثال های شفاف تر به تعمیم بهتر و سریع تر کمک می کنند


4-2 معرفی تدریجی مثال های سخت تر موجب تسریع آموزش انلاین می شود


5- آزمایشاتی بر روی تشخیص شکل


6- آزمایشات بر روی مدل سازی زبان


6-1 معماری


6-2 آزمایشات


7- بحث و کار های آینده

فهرست انگلیسی مطالب

Abstract


1 Introduction


2 On the difficult optimization problem of training deep neural networks


3 A curriculum as a continuation method


4 Toy Experiments with a Convex Criterion


4.1 Cleaner Examples May Yield Better Generalization Faster


4.2 Introducing Gradually More Difficult Examples Speeds-up Online Training


5 Experiments on shape recognition


6 Experiments on language modeling


6.1 Architecture


6.2 Experiments


7 Discussion and Future Work

نمونه متن انگلیسی مقاله

Abstract


Humans and animals learn much better when the examples are not randomly presented but organized in a meaningful order which illustrates gradually more concepts, and gradually more complex ones. Here, we formalize such training strategies in the context of machine learning, and call them “curriculum learning”. In the context of recent research studying the difficulty of training in the presence of non-convex training criteria (for deep deterministic and stochastic neural networks), we explore curriculum learning in various set-ups. The experiments show that significant improvements in generalization can be achieved. We hypothesize that curriculum learning has both an effect on the speed of convergence of the training process to a minimum and, in the case of non-convex criteria, on the quality of the local minima obtained: curriculum learning can be seen as a particular form of continuation method (a general strategy for global optimization of nonconvex functions).


1 Introduction


Humans need about two decades to be trained as fully functional adults of our society. That training is highly organized, based on an education system and a curriculum which introduces different concepts at different times, exploiting previously learned concepts to ease the learning of new abstractions. By choosing which examples to present and in which order to present them to the learning system, one can guide training and remarkably increase the speed at which learning can occur. This idea is routinely exploited in animal training where it is called shaping (Skinner, 1958; Peterson, 2004).

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه
قیمت محصول: ۱۶,۲۰۰ تومان
خرید محصول
  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

آموزش برنامه درسی
مشاهده خریدهای قبلی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها