روش های یادگیری انتقال برای بهبود عمومیت مدل های هوش مصنوعی در مدارس
محل انتشار: دومین همایش بین المللی جامعه شناسی، علوم اجتماعی و آموزش و پرورش با رویکرد نگاهی به آینده
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 121
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SEDCONF02_502
تاریخ نمایه سازی: 19 مرداد 1403
چکیده مقاله:
در این مقاله، به بررسی روش های یادگیری انتقال برای بهبود عمومیت مدل های هوش مصنوعی در مدارس پرداخته شده است. با استفاده از روش های یادگیری انتقال، مدل های AI می توانند از داده های موجود در یک محیط آموزشی برای بهبود عملکرد خود در محیط های دیگر استفاده کنند. این روش نه تنها به کاهش نیاز به داده های آموزشی در محیط های جدید کمک می کند، بلکه همچنین به مدل ها اجازه می دهد تا با سرعت و دقت بیشتری به یادگیری بپردازند. در این مقاله، به بررسی روش های مختلف یادگیری انتقال و نحوه استفاده از آنها در مدل های AI در مدارس پرداخته شده است. نتایج نشان می دهد که استفاده از روش های یادگیری انتقال می تواند به بهبود عمومیت و کارایی مدل های AI در محیط های آموزشی کمک کند. این مقاله می تواند برای محققان و متخصصان در زمینه هوش مصنوعی و آموزش و پرورش مفید باشد.
کلیدواژه ها:
نویسندگان
امین هادوی
رشته زبان و ادبیات فارسی
سمانه کلاته
دبیری هنر و گرافیک
ستار پیشداد
ارشد تاریخ و فلسفه آموزش و پرورش
آسیه پیشداد
ارشد تاریخ و فلسفه آموزش و پرورش