机器（深度）学习如何帮助我们理解人类学习：大思想的价值
人工智能
2019-03-22 v2
摘要
我使用两个多层神经网络的模拟来获得关于人类学习决定因素的直觉。第一个网络，即教师网络，被训练以在手写数字识别中实现高准确率。第二个网络，即学生网络，学习复现第一个网络的输出。我表明，在适当的正则化程度下，从教师网络中学习比从数据中学习更有效。正则化允许教师网络区分趋势，并向学生网络传递“大思想”。我还模拟了其他学习情境，如专家与新手教师、高能力与低能力学生，以及由于贫困和创伤等导致的偏倚学习经验。计算机模拟的结果与现代心理学文献的发现惊人地一致。代码用MATLAB编写，并将从作者网页上公开提供。
引用
@article{arxiv.1903.03408,
title = {How Machine (Deep) Learning Helps Us Understand Human Learning: the Value of Big Ideas},
author = {Marc Maliar},
journal= {arXiv preprint arXiv:1903.03408},
year = {2019}
}
备注
17 pages