Este artigo demonstra como a natureza da oposição durante o treinamento afeta o aprendizado para jogar de duas pessoas, perfeitos jogos de tabuleiro informações. Ele considera diferentes tipos de treinamento competitivo, o impacto do erro trainer, métricas apropriadas para medição de desempenho pós-treinamento, e as formas essas métricas podem ser aplicadas. Os resultados sugerem que o ensino de um programa, levando-o repetidamente com os mesmos caminhos de acesso restrito, embora os de alta qualidade, é a preparação excessivamente estreita para as variações que aparecem na experiência do mundo real. Os resultados também demonstram que a variedade introduzida no treinamento por escolha aleatória é a preparação não confiável, e que um programa que orienta a sua própria formação pode ignorar situações importantes. Os resultados defendem uma ampla variedade de experiência de formação com o jogo em muitos níveis. Esta variedade pode ser tanto inerente ao jogo ou introduzidos deliberadamente para o treinamento. Lição e formação prática, uma mistura de orientação especializada e, elaboração de auto-dirigida baseada no conhecimento, é mostrado para ser particularmente eficaz para a aprendizagem durante a competição.
CITATION STYLE
Epstein, S. L. (1994). Toward an ideal trainer. Machine Learning, 15(3), 251–277. https://doi.org/10.1007/bf00993346
Mendeley helps you to discover research relevant for your work.