本文提出了一种更智能的机器教学范式,即一次性机器教学,并建立了可行的映射方法设计最优化(通常为最小)教学集,以便更快地收敛,从而证明了新教学范式的智能性并验证了该策略的有效性。
Dec, 2022
本文介绍了一种跨空间机器教学的方法,提出了主动查询学习者的机制以提高收敛速度,并比较了不同教师模型的实验验证结果。
Oct, 2017
本文研究了机器教学的问题,针对教师在教授目标概念时需要面对学生初始状态和学习速度的多样性,证明了当教师掌握学生学习动态时,使用 O (min {d,N} log (1/eps)) 个样本就能够教授整个班级,同时研究了限制条件下的教学策略可行性和教师成本与学生负担之间的平衡关系,实验结果验证了理论分析和提出的分组教学策略。
Nov, 2018
本文探讨了机器教学的问题,提出了基于马尔可夫决策过程的序列教学问题。通过研究多臂老虎机学习器的模拟实验和用户研究,探究了教学规划和学习者具有教师模型两种方法对于学习效果的影响,分别从学习者的角度和教师的角度考虑互动智能系统的策略行为,提供了新的研究方法。
Sep, 2018
本文研究非参数迭代机器教学问题,提出了一种基于随机和贪心方法的函数优化算法应用于此问题,并通过大量实验验证了理论发现的正确性。
Jun, 2023
本文探讨了机器教学的范式转变,并提出将与机器学习算法有关的知识与教学过程进行脱耦,以加速创新和赋能数百万新的机器学习模型应用。
Jul, 2017
本研究探究了带有教师辅助的反向强化学习问题,提出了一种交互式教学框架,设计了两种具体教学算法:全知教学和黑盒教学,最后在汽车驾驶仿真环境中进行了实验并证明了教学算法的效果。
May, 2019
该研究提出了一种基于机器教学的逆强化学习方法,利用最小数量的演示数据来学习策略并提高泛化性能。同时,还发展了一个新的学习方法,在一些应用中可以从信息丰富的演示数据中更加高效地学习到奖励函数。
May, 2018
研究机器教学中教师与学生 / 学习者的交互,考虑教师知识存在不完美和嘈杂的情况,研究教师如何在这种情况下通过构建最佳教学集成功或失败地有效教授学习者以完成特定任务,其结果对于设计现实世界中的健壮教学算法具有重要的启示。
Mar, 2020
本文研究了交互式环境下如何基于学生当前状态,用一种新的模型进行自适应教学,提高版本空间学习者的学习效率和可理解性。通过有效算法和用户测试,验证了提出的模型相较于现有模型的多种优点。
Feb, 2018