Rules and Similarity in Concept Learning
Rules and Similarity in Concept Learning
复制标题
概念学习中的规则和相似性
DOI：
--
复制
发表时间：
1999
期刊：
影响因子：
--
通讯作者：
J. Tenenbaum
中科院分区：
文献类型：
--
作者：
J. Tenenbaum
本文认为概括概念的两种明显不同的模式——抽象规则和计算与范例的相似性——都应该被视为更一般的贝叶斯学习框架的特殊情况。贝叶斯解释了这两种模式的具体工作原理——哪些规则是抽象的，相似性是如何测量的——以及为什么泛化应该在不同的情况下以规则或相似性为基础。这个分析也说明了为什么规则/相似性的区别，即使不是计算基础，在算法层面上仍然是有用的，作为完全贝叶斯学习的原则近似的一部分。
This paper argues that two apparently distinct modes of generalizing concepts - abstracting rules and computing similarity to exemplars - should both be seen as special cases of a more general Bayesian learning framework. Bayes explains the specific workings of these two modes - which rules are abstracted, how similarity is measured - as well as why generalization should appear rule - or similarity-based in different situations. This analysis also suggests why the rules/similarity distinction, even if not computationally fundamental, may still be useful at the algorithmic level as part of a principled approximation to fully Bayesian learning.
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