Predicting transfer performance: a comparison of competing function learning models.
Predicting transfer performance: a comparison of competing function learning models.
复制标题
预测迁移性能：竞争函数学习模型的比较。
DOI：
10.1037/a0013982
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
Busemeyer,JeromeR
中科院分区：
文献类型：
--
作者：
McDaniel,MarkA;Dimperio,Eric;Griego,JacquelineA;Busemeyer,JeromeR
线性专家群体（POLE）模型表明，函数学习和迁移是通过激活一组预先存储的线性函数来介导的，这些线性函数共同近似给定函数（Kalish, Lewandowsky, & Kruschke, 2004）。在外推关联（EXAM）模型中，基于范例的体系结构将训练好的输入值与成对的输出值关联起来。转移包含一个基于线性规则的响应机制（McDaniel & Busemeyer, 2005）。学习者在由2个具有镜像斜率的线性函数段定义的函数关系上进行训练。实验1中，1个片段进行密集训练，1个片段进行稀疏训练；在实验2中，两个片段的训练是相等的，但两个片段之间的距离很大。转移到新的输入值进行了测试。对于每个模型，每个个体参与者的训练表现都是适合的，并生成迁移预测。POLE通常比EXAM更适合训练数据，但EXAM在预测（和拟合）迁移行为方面更准确。尤其能说明问题的是，在实验2中，迁移模式与EXAM的预测更一致，而与POLE的预测不一致，尽管训练过程中显著线性片段的呈现与POLE的方法相吻合。（PsycINFO数据库记录(c) 2016 APA，版权所有）
The population of linear experts (POLE) model suggests that function learning and transfer are mediated by activation of a set of prestored linear functions that together approximate the given function (Kalish, Lewandowsky, & Kruschke, 2004). In the extrapolation-association (EXAM) model, an exemplar-based architecture associates trained input values with their paired output values. Transfer incorporates a linear rule-based response mechanism (McDaniel & Busemeyer, 2005). Learners were trained on a functional relationship defined by 2 linear-function segments with mirror slopes. In Experiment 1, 1 segment was densely trained and 1 was sparsely trained; in Experiment 2, both segments were trained equally, but the 2 segments were widely separated. Transfer to new input values was tested. For each model, training performance for each individual participant was fit, and transfer predictions were generated. POLE generally better fit the training data than did EXAM, but EXAM was more accurate at predicting (and fitting) transfer behaviors. It was especially telling that in Experiment 2 the transfer pattern was more consistent with EXAM's but not POLE's predictions, even though the presentation of salient linear segments during training dovetailed with POLE's approach.(PsycINFO Database Record (c) 2016 APA, all rights reserved)
登录
查看更多内容
知识、概念和类别
DOI：
--
发表时间：
1997
期刊：
影响因子：
--
作者：
K. Lamberts
通讯作者：
K. Lamberts
类别学习的规则和范例。
DOI：
10.1037//0096-3445.127.2.107
发表时间：
1998
期刊：
Journal of experimental psychology. General.
影响因子：
--
作者：
Erickson,MA;Kruschke,JK
通讯作者：
Kruschke,JK
先验知识与函数学习非线性关系类型之间的相互作用
DOI：
--
发表时间：
1995
期刊：
影响因子：
--
作者：
Eunhee Byun
通讯作者：
Eunhee Byun
影响因子：
1.8
作者：
Busemeyer, JR;Wang, YM
通讯作者：
Wang, YM
概率推理任务学习中尺度变量之间关系的假设
DOI：
--
发表时间：
1974
期刊：
影响因子：
--
作者：
B. Brehmer
通讯作者：
B. Brehmer