Posted by Blackthorne | Posted in Tareas | Posted on 14:30
Aprendizaje cooperativo
El aprendizaje cooperativo puede ser un medio instruccional diferente que puede ayudar a cabo la forma de afrontar la diversidad en el aula.
En la mayoría de los centros educativos, tanto de primaria como de secundaria, sigue prevaleciendo un tipo de estructuras de enseñanza y aprendizaje tradicional, los alumnos en su distribución en la clase se hallan en filas de uno o dos. Esta forma de distribución y organización está relacionada con un tipo de organización del proceso de enseñanza-aprendizaje desde un punto de vista competitivo o individualista. Este tipo de distribución puede estar enfocada a controlar la "disciplina" o el "orden" del grupo-clase.
Este tipo de aprendizaje puede tener en las aulas una serie de ventajas, no sólo en el aspecto cognitivo, sino en el afectivo y en el desarrollo de las habilidades sociales.
Aprendizaje competitivo
Las redes de aprendizaje competitivo son un tipo de red neuronal que pertenecen a las redes que se denominan autoorganizadas, debido a que son capaces de clasificar rasgos utilizando sólo los datos de entrada a la red, tal y como se describe en los Please enable JavaScript to view this page content properly.
Los pasos para aplicar una red de aprendizaje competitivo son los siguientes:
Definir las condiciones iniciales:
Número de clusters
Factor de aprendizaje (puede incorporarse el factor de olvido).
Valores iniciales de los parámetros a adaptar (clusters).
Número de épocas o iteraciones. Ejecutar, para el número de épocas definidas:
Aplicar una muestra de la matriz de datos de entrada.
Calcular la salida de la red
Seleccionar la neurona que devuelve el mayor valor.
Actualizar los parámetros de la neurona seleccionada en 3.
Los pasos para aplicar una red de aprendizaje competitivo son los siguientes:
Definir las condiciones iniciales:
Número de clusters.
Factor de aprendizaje (puede incorporarse el factor de olvido).
Valores iniciales de los parámetros a adaptar (clusters).
Número de épocas o iteraciones. Ejecutar, para el número de épocas definidas:
Aplicar una muestra de la matriz de datos de entrada.
Calcular la salida de la red
Seleccionar la neurona que devuelve el mayor valor.
Actualizar los parámetros de la neurona seleccionada en 3.
El aprendizaje cooperativo puede ser un medio instruccional diferente que puede ayudar a cabo la forma de afrontar la diversidad en el aula.
En la mayoría de los centros educativos, tanto de primaria como de secundaria, sigue prevaleciendo un tipo de estructuras de enseñanza y aprendizaje tradicional, los alumnos en su distribución en la clase se hallan en filas de uno o dos. Esta forma de distribución y organización está relacionada con un tipo de organización del proceso de enseñanza-aprendizaje desde un punto de vista competitivo o individualista. Este tipo de distribución puede estar enfocada a controlar la "disciplina" o el "orden" del grupo-clase.
Este tipo de aprendizaje puede tener en las aulas una serie de ventajas, no sólo en el aspecto cognitivo, sino en el afectivo y en el desarrollo de las habilidades sociales.
Aprendizaje competitivo
Las redes de aprendizaje competitivo son un tipo de red neuronal que pertenecen a las redes que se denominan autoorganizadas, debido a que son capaces de clasificar rasgos utilizando sólo los datos de entrada a la red, tal y como se describe en los Please enable JavaScript to view this page content properly.
Los pasos para aplicar una red de aprendizaje competitivo son los siguientes:
Definir las condiciones iniciales:
Número de clusters
Factor de aprendizaje (puede incorporarse el factor de olvido).
Valores iniciales de los parámetros a adaptar (clusters).
Número de épocas o iteraciones. Ejecutar, para el número de épocas definidas:
Aplicar una muestra de la matriz de datos de entrada.
Calcular la salida de la red
Seleccionar la neurona que devuelve el mayor valor.
Actualizar los parámetros de la neurona seleccionada en 3.
Los pasos para aplicar una red de aprendizaje competitivo son los siguientes:
Definir las condiciones iniciales:
Número de clusters.
Factor de aprendizaje (puede incorporarse el factor de olvido).
Valores iniciales de los parámetros a adaptar (clusters).
Número de épocas o iteraciones. Ejecutar, para el número de épocas definidas:
Aplicar una muestra de la matriz de datos de entrada.
Calcular la salida de la red
Seleccionar la neurona que devuelve el mayor valor.
Actualizar los parámetros de la neurona seleccionada en 3.
Ver todos los post
Comments (0)
Publicar un comentario