摘要：稀疏字典学习是一种表征学习方法，其目的在於找出一组基本元素让输入信号映射到这组基本元素时具有稀疏表达式。我们称这些基本元素为“原子”，这些原子的组合则为“字典”。字典里的“原子”並不需要满足正交基这一特性，且往往它们会是过完备的生成集合。过多的原子除了可以让我们在敘述一个讯号的时候可以由很多种表达式。...稀疏字典学习是一种表征学习方法，其目的在於找出一组基本元素让输入信号映射到这组基本元素时具有稀疏表达式。我们称这些基本元素为“原子”，这些原子的组合则为“字典”。字典里的“原子”並不需要满足正交基这一特性，且往往它们会是过完备的生成集合。过多的原子除了可以让我们在敘述一个讯号的时候可以由很多种表达式。
ˇ▂ˇ
自主学习又称自修，是一种教育与学习的方法，是指自己对自己设立並实行个人教育计画。相较於其他教育学派，自主学习者认为自主学习就是自己为自己作选择，並为这些选择负责。没有人能替別人作决定，每个人都应拥有为自己做主的权利。这和把他人或环境指使造成之影响之责任归因於环境或別人的態度相反。 从自主学习。
zi zhu xue xi you cheng zi xiu ， shi yi zhong jiao yu yu xue xi de fang fa ， shi zhi zi ji dui zi ji she li 並 shi xing ge ren jiao yu ji hua 。 xiang jiao yu qi ta jiao yu xue pai ， zi zhu xue xi zhe ren wei zi zhu xue xi jiu shi zi ji wei zi ji zuo xuan ze ， 並 wei zhe xie xuan ze fu ze 。 mei you ren neng ti 別 ren zuo jue ding ， mei ge ren dou ying yong you wei zi ji zuo zhu de quan li 。 zhe he ba ta ren huo huan jing zhi shi zao cheng zhi ying xiang zhi ze ren gui yin yu huan jing huo 別 ren de 態 du xiang fan 。 cong zi zhu xue xi 。
ゃōゃ
迭代学习控制（Iterative Learning Control、ILC）是一种对做重复动作的轨迹跟踪系统的控制方法。例如机器手臂控制、化工反应过程控制、试验钻探等。这些系统都具备多次准確重复同一动作的特性。其动作的目標是在有限的时间区间內，准確的追踪给定的参考讯号 r ( t ) {\displaystyle。
教学方法（teaching method）包括教师为使学生能够学习而使用的原则和方法。这些策略部分取决于要教授的主题，部分取决于学习者的本质。对于适当和有效的特定教学方法，它必须与学习者的特征和它应该带来的学习类型相关。设计和选择教学方法不仅要考虑到主题的性质，还要考虑学生的学习方式 。。
背诵式学习（rote learning），又称机械学习，是一种单纯依靠反覆地记忆学习材料，而避免去理解其复杂内部和主题推论的学习方法，也就是不断重复基本知识与技巧的学习方式。这学习方式由美国心理学家奥苏伯尔提出，是一个与有意义学习、联想学习（associative learning）、间隔重复学习和主动学习（英语：Active。
ˋ＾ˊ〉-#
无监督学习适用的的问题往往有着大量的无标签样本，同时获得有标签样本成本较高。部分其它机器学习分支有着相同动机，但是遵从不同的假设和方法，例如主动学习（英语：Active_learning_(machine_learning)）和弱监督学习。将无标签样本和少量有标签样本同时使用时，会对学习。
学习障碍亦有不同的定义，而亦可归因到医学、心理学或教育学等不同的范畴上。 过去的教学理论一般都会为有学习障碍的学生设立特殊教育，但在讲求融合教育的今天，这种思想显得过时。因此，现时社会应付学习障碍的方法，会在学习或教导方法上做改善。 对於天生有严重学习。
＞▽＜
方法。因为乌拉姆的叔叔经常在摩纳哥的蒙特卡洛赌场输钱得名，而蒙特卡罗方法正是以概率为基础的方法。 与它对应的是确定性算法。 蒙特卡罗方法在金融工程学、宏观经济学、生物医学、计算物理学（如粒子输运计算、量子热力学计算、空气动力学计算）、机器学习等领域应用广泛。 通常蒙特卡罗方法可以粗略地分成两类：一。
机器学习中，核机是一类用于模式分析的算法，最知名的成员是支持向量机（SVM）。 这些方法用线性分类器解决非线性问题。模式分析的一般任务是在数据集中发现并研究一般类型的关系（如聚类分析、排名、主成分分析、相关性分析、统计分类）。对许多解决此类任务的算法来说，原始表示的数据必须通过用户指定的特征映射明确。
监督学习（英语：Supervised learning），又叫有监督学习，监督式学习，是机器学习的一种方法，可以由训练资料中学到或建立一个模式（函数 / learning model），並依此模式推测新的实例。训练资料是由输入物件（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回。
机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习。
史学方法（英语：Historical method）为歷史研究的方法学，目前广义分作三项方法：第一，「学习证据分类」、第二，「收集证据」、第三，「传达证据」；综合上敘方法，將罗列的证据书写成文章，用以描述歷史事件、或討论歷史议题等，被视为歷史学者的基本学识与技能。不过，除了上敘史学方法。
在统计学和机器学习中，集成学习（英语：Ensemble learning）方法使用多种学习算法来获得比单独使用任何单独的学习算法更好的预测性能。不像统计力学中的系综通常是无限的，机器学习集合仅由一组具体的有限的可替代模型组成，但通常允许在这些可替代方案中存在更灵活的结构。 监督学习。
●▽●
线上学习（英语：Online Learning）是一种透过网际网路工具来学习或训练的方式。线学习发展趋势是职业考试和个人能力提高，將一种方便、效率、低成本的学习模式。分为两类： 职业考试，个人技能提高。 企业內的线上学习是让员工透过网际网路或企业內部网路的工具来进行遥距教育，由企业人力资源部门承办教。
深度学习是机器学习的一种，训练人工神经网路来將一组输入转换成一组特定的输出。深度学习常常以监督式学习的形式，用带有標签的资料集来做训练。深度学习的方法可以直接处理高维度、复杂的原始输入资料，相较於之前的方法更不需要人为的特征工程（英语：Feature_engineering）从输入资料中提取特征。因此，深度学习已经在电脑视觉、自然语言处理等领域上带来突破性的进展。。
自适应学习，也被称为自适应教学，是使用计算机算法来协调与学习者的互动，并提供定制学习资源和学习活动来解决每个学习者的独特需求的教育方法。 在专业的学习情境，个人可以“试验出”一些训练方式，以确保教学内容的更新。根据学生的学习需要，计算机生成适应其特点的教育材料，包括他们对问题的回答和完成的任务和经。
⊙▽⊙
联邦学习是一种机器学习技术，具体来说就是人们在多个拥有本地数据样本的分散式边缘设备或服务器上训练算法。这种方法与传统的集中式机器学习技术有显著不同，传统的集中式机器学习技术将所有的本地数据集上传到一个服务器上，而更经典的分散式方法则通常假设本地数据样本都是相同分布的。联合学习。
深度学习是机器学习中一种基于对数据进行表征学习的算法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式（英语：Semi-supervised。
Q-学习（英语：Q-learning）是强化学习的一种方法。Q-学习就是要记录下学习过的策略，因而告诉智能体什么情况下采取什么行动会有最大的奖励值。Q-学习不需要对环境进行建模，即使是对带有随机因素的转移函数或者奖励函数也不需要进行特别的改动就可以进行。 对于任何有限的马可夫决策过程（FMDP），Q。
教育心理学是研究在教育情境下人类的学习、教育干预的效果、教学心理，以及学校组织的社会心理学。教育心理学的重点是把心理学的理论或研究所得应用在教育上。教育心理学可应用於设计课程、改良教学方法、推动学习动机以及帮助学生面对成长过程中所遇上的各项困难和挑战。“教育心理学”和“学校心理学”这两个名词经常交替。
发表评论