1) explicit learning
明示学习
1.
Explicit Learning and Form-Meaning Connections in Second Language Acquisition;
明示学习与二语习得中的形式意义联结
2.
Reber classified learning types into explicit learning and implicit learning in terms of a series of researches in 1965.
Reber)根据一系列试验研究把学习划分为明示学习(explicit learning)和暗示学习(implicit learning)以来,在二语习得研究领域关于明示学习和暗示学习的争论就不断。
2) learning from examples
示例学习
1.
Study on learning from examples based on rough sets theory.;
基于粗糙集理论的示例学习研究
2.
Integer- programming model for learning from examples and feature subset selection based on extension matrix;
示例学习与特征选择的规划模型方法
3.
To discern positive and negative example fully, feature subset selection plays a great role in learning from examples.
特征选择是示例学习的关键 ,直接关系到获取的概念的优劣。
3) Teaching Learning
示教学习
1.
An ASP-based Teaching Learning System for CNC Manual Programming
基于ASP模式的数控手工编程示教学习系统
4) explicit instruction
明示教学
1.
The present study is a quasi-experimental study aiming to investigate the effects of explicit instruction of complaint strategies on the pragmatic competence development of Guizhou EFL learners.
本项研究是一项语用明示教学的准实验研究,旨在考察抱怨策略的明示教学对英语学习者语用能力发展的影响。
2.
The explicit instruction is better than the implicit instruction for teaching English refusals.
62人参加了本实验,33人为明示教学组,29人为暗示教学组,教学目标是四种英语拒绝类型:拒绝邀请、建议、提供和请求。
3.
The paper introduces briefly about an important issue in Interlanguage pragmatics: pragmatic competence development,with a focus on the explicit instruction and its effects in promoting pragmatic competence.
介绍了近年来在语际语用学研究领域的热点话题即语用能力的发展问题,以及在二语课堂环境下明示教学如何进行以及其对语用能力发展的成效性作用,在此基础上,分析了明示教学及研究对英语教学的启示。
5) multi-instance learning
多示例学习
1.
A method based on multi-instance learning to improve the itembank redundancy checking algorithm is proposed.
基于多示例学习方法对题库重复性检测算法进行了改进,其基本思想是:将包含多个子问题的试题重复性检测转化为多示例学习问题。
2.
Chinese web index page recommendation, is presented and then addressed through transforming it to a multi-instance learning problem.
多示例学习为中文 Web 挖掘提供了一种新的思路。
3.
Basing on the techniques of immune evolution and multi-instance learning and focusing on changing environments, large scope environments and unknown environments, this dissertation revolves the localization and path planning problems, which a.
本文针对大范围环境、变化环境和未知环境,以免疫进化和多示例学习作为支撑技术,围绕移动机器人在它的运动过程中始终需要解决的定位与规划二个关键问题进行了比较深入的研究,其研究内容涉及基于多图像的定位、并发定位与建图、路径规划、进化与免疫计算和多示例学习等。
6) multiple-instance learning
多示例学习
1.
A method for image retrieval based On salient points feature multiple-instance learning;
基于显著点特征多示例学习的图像检索方法
2.
In the multiple-instance learning, many feature are irrelevant to find the target function, and the Citation-KNN algorithm is highly sensitive to the curse of dimensionality, so the FS -Citation -KNN algorithm was proposed based on the feature selection.
在多示例学习中,有许多属性相对于我们发现目标函数来说是无关的,而且就Citation-KNN算法而言,该算法对维度灾难的问题是十分敏感的,由此本文提出了一种基于特征选择的FS-Citation-KNN算法,该算法不仅考虑了特征选择的问题,还考虑到对于待测包其近邻的距离对于分类的影响。
补充资料：部分学习与整体学习
部分学习与整体学习
part learning and whole learning
部分学习与整体学习(part learningand whole learning)在运动学习和记忆学习中，根据对学习内容的处理方式可以分成部分学习和整体学习。部分学习就是将材料分成几个部分，每次学习一个部分:整体学习就是每次学习整个材料。一般来讲，整体学习的效果优于部分学习。但是，课题复杂彼此没有意义联系的材料，用部分学习的效果好:课题简短或具有意义联系的材料，用整体学习的效果好。在进行学习时，可以将部分学习与整体学习结合起来，先进行整体学习再进行部分学习，或者相反。这种相互结合的学习方式叫做综合学习，效果更好些。 (周国帕撰成立夫审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条