La principal concentración del aprendizaje simbólico es el aprendizaje por lotes. Por lo general, todas las instancias deben darse al alumno antes de que comience el aprendizaje. Por lo general, los algoritmos manejan el aprendizaje del concepto con un árbol de decisión o reglas simples. Por lo general, implican los siguientes pasos en primer lugar, hacer un (agrupamiento) para todas las instancias. En segundo lugar, la inducción de un conjunto de reglas de clasificación que describen la composición de un concepto.
Por otro lado, el modelo conexionista sobrepasa el aprendizaje: la ONU, como la formulación de lo simbólico que se centró en la representación, la base misma de los modelos conexionistas siempre ha sido el aprendizaje. El aprendizaje en modelos conexionistas generalmente implica el ajuste de pesos u otros parámetros en una gran red de unidades, por lo que se pueden realizar grandes cálculos complejos mediante la propagación de activación a través de estos pesos. El proceso de ajuste generalmente se basa en el descenso del gradiente o sus aproximaciones. El algoritmo de propagación inversa es el ejemplo más conocido de estos algoritmos de aprendizaje.
- ¿Por qué debería comprar un barebone y luego piezas sueltas? ¿O viceversa?
- ¿Cómo puedo actualizar el BIOS de una computadora? ¿Cuáles son algunas indicaciones de que el BIOS necesita una actualización?
- ¿Cómo entiende una computadora el concepto de tiempo?
- ¿Qué es el virus ransomware? ¿Cómo ataca una computadora?
- ¿Qué reglas debe seguir la inteligencia artificial en el futuro?