Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "learning loss" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Kondycja uczniów powracających do szkół po zdalnej edukacji. Przypadek Polski i Ukrainy
    Autorzy:
    Długosz, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/1967513.pdf
    Data publikacji:
    2022-01-12
    Wydawca:
    Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie. Instytut Filozofii i Socjologii
    Tematy:
    distance education
    learning loss
    representative survey
    Polska
    Ukraine
    Zdalna edukacja
    strata edukacyjna
    sondaż reprezentatywny
    Polska
    Ukraina
    Opis:
    Artykuł prezentuje wyniki badań nad skutkami zdalnej edukacji wśród polskich i ukraińskich uczniów. Badania miały na celu pokazanie w jakich warunkach była prowadzona zdalna edukacja w roku szkolnym 2020/2021. Kolejnym celem było zdiagnozowanie edukacyjnych, społecznych i psychologicznych konsekwencji. Do badań została wykorzystana metoda sondażu reprezentatywnego realizowanego techniką (CAPI) na próbie 1000 uczniów w Polsce i 1022 na Ukrainie. Wyniki badań pokazały, że uczniowie negatywnie ocenili zdalną edukację. Doprowadziła ona do powstania straty edukacyjnej, pojawienia się negatywnych nawyków utrudniających powrót do tradycyjnej edukacji, powstania obciążeń psychicznych i pogorszenia ogólnej kondycji zdrowotnej.
    The article presents the results of research into the effects of distance education among Polish and Ukrainian students. The study aims to show the conditions in which distance education was carried out in the school year 2020/2021. Yet another aim of the paper is to diagnose educational, social and psychological consequences of distance education. The research was conducted on a sample of 1000 respondents in Poland and 1022 respondents in Ukraine with the use of a representative survey method, which were computer-assisted personal interviews (CAPI). The results of research indicate that distance education was evaluated negatively by the respondents. It has led to learning losses and the occurrence of bad habits, which make the return to regular education more difficult. It has also created mental burdens and resulted in a general deterioration of health.
    Źródło:
    Youth in Central and Eastern Europe; 2021, 8, 12; 34-42
    2720-4049
    Pojawia się w:
    Youth in Central and Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Theory II: Deep learning and optimization
    Autorzy:
    Poggio, T.
    Liao, Q.
    Powiązania:
    https://bibliotekanauki.pl/articles/201787.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    deep learning
    convolutional neural networks
    loss surface
    optimization
    uczenie głębokie
    sieć neuronowa
    optymalizacja
    Opis:
    The landscape of the empirical risk of overparametrized deep convolutional neural networks (DCNNs) is characterized with a mix of theory and experiments. In part A we show the existence of a large number of global minimizers with zero empirical error (modulo inconsistent equations). The argument which relies on the use of Bezout theorem is rigorous when the RELUs are replaced by a polynomial nonlinearity. We show with simulations that the corresponding polynomial network is indistinguishable from the RELU network. According to Bezout theorem, the global minimizers are degenerate unlike the local minima which in general should be non-degenerate. Further we experimentally analyzed and visualized the landscape of empirical risk of DCNNs on CIFAR-10 dataset. Based on above theoretical and experimental observations, we propose a simple model of the landscape of empirical risk. In part B, we characterize the optimization properties of stochastic gradient descent applied to deep networks. The main claim here consists of theoretical and experimental evidence for the following property of SGD: SGD concentrates in probability – like the classical Langevin equation – on large volume, ”flat” minima, selecting with high probability degenerate minimizers which are typically global minimizers.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 775-787
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies