Sequentially learning the populatio

Sequentially learning the populations using
pseudorehearsal illustrates both the protective effect on A,
and also interesting consequences for the network’s ability to
generalise. We train the network to criterion A, and then
train it to criterion on B using pseudorehearsal. Specifically,
before the learning of B begins we generate a population of
256 pseudoitems. The items of the B population are then
learned not alone, but in combination with three times as
many pseudoitems randomly selected from the population of
pseudoitems for each epoch. (In other words, if the size of
the B population is 2 then every epoch 6 pseudoitems are
included in the training set). After B has been trained to
criterion we can test the network on A, B, A-gens and B-gens
in the usual way. In Fig. 4 we can see that the use of
pseudorehearsal has done an excellent job of preserving
performance on A and A-gens (cf normal learning illustrated
in Fig. 3). B is trained to criterion as expected. Of particular
interest is performance on B-gens. This has suffered
somewhat compared to the other training methods (Figures 2
and 3).

ผลลัพธ์ (ไทย) 1:

ประชากรที่ใช้การเรียนรู้ตามลำดับpseudorehearsal แสดงผลทั้งป้องกันบน Aและน่าสนใจต่อความสามารถของเครือข่ายไปยังgeneralise เราฝึกอบรมเครือข่ายเกณฑ์ A แล้วรถไฟการเกณฑ์ใน B ที่ใช้ pseudorehearsal โดยเฉพาะก่อนเริ่มการเรียนรู้ของ B เราสร้างประชากร256 pseudoitems มีสินค้าของประชากร B แล้วเรียนรู้ไม่เพียงอย่างเดียว แต่รวมกับครั้งที่สามเป็นpseudoitems หลายที่สุ่มเลือกจากประชากรของpseudoitems ในแต่ละยุค (ในคำอื่น ๆ ถ้าขนาดของประชากร B คือ 2 แล้วมี 6 pseudoitems ทุกยุครวมอยู่ในชุดฝึกอบรม) หลังจากที่ B ได้รับการอบรมเพื่อเกณฑ์ที่เราสามารถทดสอบเครือข่ายบน A, B, A gens และ B gensแบบปกติ ใน Fig. 4 เราสามารถเห็นว่าการใช้pseudorehearsal ทำงานดีของการรักษาประสิทธิภาพบน A และ A-gens (cf ปกติเรียนรู้พร้อมภาพใน Fig. 3) B คือการฝึกอบรมกับเกณฑ์ตามที่คาดไว้ ของเฉพาะสนใจประสิทธิภาพใน B gens ได้ นี้ได้รับความเดือดร้อนค่อนข้างเปรียบเทียบกับอื่น ๆ วิธีการฝึกอบรม (ตัวเลข 2ก 3)

ผลลัพธ์ (ไทย) 2:

ตามลำดับการเรียนรู้โดยใช้ประชากร
pseudorehearsal แสดงให้เห็นทั้งในการป้องกันผลกระทบใน A,
และผลกระทบที่น่าสนใจสำหรับความสามารถของเครือข่ายที่จะพูดคุย
เราฝึกอบรมเครือข่ายในการเกณฑ์และจากนั้นในการฝึกอบรมไปยังเกณฑ์ในการใช้ B pseudorehearsal
โดยเฉพาะก่อนที่จะเรียนรู้ของ B เริ่มต้นที่เราสร้างประชากร 256 pseudoitems รายการของประชากรบีแล้วได้เรียนรู้ไม่ได้คนเดียว แต่ในการรวมกันกับสามครั้งเป็น pseudoitems หลายสุ่มเลือกจากประชากรของpseudoitems สำหรับแต่ละยุค (ในคำอื่น ๆถ้าขนาดของประชากร B คือ 2 แล้วทุกยุค 6 pseudoitems จะถูกรวมอยู่ในชุดฝึกอบรม) หลังจากที่ B ได้รับการฝึกอบรมเพื่อเกณฑ์เราสามารถทดสอบเครือข่ายในA, B, A-วงศ์ B-วงศ์ในทางปกติ ในรูป 4 เราจะเห็นว่าการใช้งานของpseudorehearsal ได้ทำงานที่ยอดเยี่ยมของการรักษาผลการดำเนินงานในA และ A-วงศ์ (CF การเรียนรู้ตามปกติแสดงในรูปที่. 3) B คือการฝึกอบรมเกณฑ์ตามที่คาดไว้ โดยที่น่าสนใจคือประสิทธิภาพการทำงานบน B-วงศ์ นี้ได้รับความเดือดร้อนบ้างเมื่อเทียบกับวิธีการฝึกอบรมอื่น ๆ (2 รูปที่ 3)

ผลลัพธ์ (ไทย) 3:

เป็นประชากรที่ใช้เรียน
pseudorehearsal แสดงทั้งป้องกันผลกระทบและผลกระทบ ,
น่าสนใจของเครือข่ายความสามารถ
กล่าวสรุป . เราฝึกเครือข่ายเป็นเกณฑ์แล้ว
ฝึกตามเกณฑ์ B ใช้ pseudorehearsal . โดย
ก่อนการเรียนรู้ของ B เริ่มต้นเราสร้างประชากร
256 pseudoitems .รายการของ บี ประชากรแล้ว
เรียนรู้ไม่เพียงอย่างเดียว แต่ในการรวมกันกับสามครั้ง
หลาย pseudoitems สุ่มมาจากประชากร
pseudoitems ในแต่ละยุคสมัย ( ในคำอื่น ๆถ้าขนาดของประชากรเป็น 2
B แล้วทุกยุค pseudoitems
6 จะรวมอยู่ในชุดฝึก ) หลังจาก B ได้ฝึก
เกณฑ์ เราสามารถทดสอบเครือข่ายใน A , B , a-gens b-gens
และในทางปกติ ในรูปที่ 4 เราจะเห็นได้ว่า การใช้
pseudorehearsal ได้กระทำงานที่ดีของการรักษา
การปฏิบัติและ a-gens ( CF ปกติการเรียนรู้ภาพประกอบ
ในรูปที่ 3 ) B คือฝึกให้เกณฑ์ตามที่คาดไว้ ที่น่าสนใจโดยเฉพาะ
คือการปฏิบัติ b-gens . นี้ได้รับความเดือดร้อน
ค่อนข้างเมื่อเทียบกับวิธีการอื่น ๆฝึกอบรม ( ตัวเลข 2
3 )