正式な学習理論が認知科学にとって重要な理由

この記事では、正式な学習理論の基礎にある多くの異なる領域をレビューします。学習の正式なモデルの一般的な枠組みを概説した後、学習へのベイジアンアプローチが要約されています。これは、ベイジアン学習のためのソロモノフの普遍的な事前分布の議論につながります。制限における識別のゴールドのモデルも概説されています。次に、計算と表現の複雑さの両方に関連する、貢献した論文で提起された学習理論の多くの側面について説明します。この記事は、半監視学習を認知学習モデルの研究にどのように適用できるかの説明で締めくくります。この概要を通して、貢献している著者によって提起された特定のポイントは、レビュー中のモデルと方法に接続されています。

This article reviews a number of different areas in the foundations of formal learning theory. After outlining the general framework for formal models of learning, the Bayesian approach to learning is summarized. This leads to a discussion of Solomonoff's Universal Prior Distribution for Bayesian learning. Gold's model of identification in the limit is also outlined. We next discuss a number of aspects of learning theory raised in contributed papers, related to both computational and representational complexity. The article concludes with a description of how semi-supervised learning can be applied to the study of cognitive learning models. Throughout this overview, the specific points raised by our contributing authors are connected to the models and methods under review.