学習の心得.
3954 ワード
学習の心得.
前言
今週からJavaの復習を始め、今週もフェルマンテクニックの更新の最初の週で、次は私の一連の学習方法を記録して、私のためにまとめをします.
フェルマンテクニック
これは私の高校から大学までの重要な学習技術です.しかし、大学に着いて初めてその名前を知った.これは優秀な学習方法で、私たちが新しい知識を学ぶのを迅速に助けることができる.手順は簡単で、4歩です.
ネット上の共通バージョンコンセプト を選択全く知らない別の人に教えます ハウジングが詰まった場合、元の材料 に戻るレビュー後の簡略化言語表現(選択可能) どんなテクニックも先人がまとめた汎用モデルで、上手に身につけるには自分の考えを加えなければならない.人によってカスタマイズされている.
マイバージョン概念を選択し、すばやく参照し、キー構造( に依存する.それを全く知らない別の人に教える( に依存する.殻が詰まって元の材料に戻る場合、最適化構造( に依存する.は知識体系を統合し、次の操作( に依存する.
私のバージョンは学校の学習の中で使用して、対象は同級生で、全体の効率は悪くなくて、しかし1つの一貫した知識体系を持つ必要があって、新しい知識に対して既存の知識の延長と見なすことができて、もし離散的な知識ならばとても忘れやすいです.
第一歩は、学ぶべき知識に対して、重要な構造を抽出し、一般的にインターネットを利用して操作(基礎情報検索取得能力を要求する)し、核心を取得し、掌握を要求しない(掌握すれば次のステップは必要ないo(ㄇオブジェクトの学習を導くのに十分な要件があります.
第2歩、元の技巧は1人のできない人を模擬するので、しかし現実は学校の中でいつもできない学友がいて、彼らを助けて、利益は等価に交換して、その上現実はいつも突発的な情況があって、その掌握の程度を磨くことができて、指導の過程の中で第3の視点で、自分と対象の学習の過程を観察して、フィードバックを得ることができて、これはとても重要で、もしフィードバックがなければ、では、あなたが間違った人を探しているか、自分で把握していないことを証明します.また、フィードバックの根源を追跡し、それを分析し、第3歩を実行します.
第3のステップは、一般的に第2のステップとともに実行される.自身はその知識の構造を把握しているだけで、熟練していないからである.他の人を指導する時多くの問題が現れて、この時あなたの経験に頼って、問題を分化して、第2歩の基礎の上で問題を解決して、恥をかくことを恐れないで、他の人の助けを求めることができます.
第四歩は、対象学習が終わった後、出会った問題を分類整理し、知識体系を統合し、次の礎とする.
4ステップを行った後、この知識点を3回並行して学習し、ほとんどの意外な状況に遭遇することに相当します.これがフェマンテクニックの簡単な分析です.
十分に熟練していて、知識の幅の深さが一定のレベルに達すると、これは概念を選択し、モデルを抽出し、他人に教えるときに、モデルを改善することになります.
先週、私は一生使える学習技術がないことを発見しました.カスタマイズしても、失効します.ここではフェイマンテクニックが無効だというわけではなく、周囲の環境が変わって(対象が見つからないo(ㄛㄛㄛ)o)、その効率が受け入れられない程度に下がったので、私にとって元のフェイマンテクニックはもう新しい知識の勉強には向いていないので、既存の知識を復習するのにもっと適しています.
そしてその欠点は、使いすぎると人の師になり、自覚せずに他人の問題を解決することであり、これは自分の利益に合わない.
私が見つけた新しい学習テクニックは、フェルマンテクニックや他の方法について私の派生版です.
機械学習モデル を構築トレーニングモデル 最適化モデル アプリケーションモデル 思考ガイド
フェルマンのテクニックに合わせて、知識体系を整理して、モデルを得ることができますが、絵を描くだけでなく、形式主義をして、快適なエリアで自分を慰めます.
じかんかんり
勉强については、一方では时间管理をして、何年も本を読んで、いろいろな方法を闻きました.
日志打表时间“四象限”トマト時計はまだいくつかのわけのわからない英語の略語の方法があります
どうせ私は一人も長く使ったことがありません.私はもっと大きな時間範囲で勉強するのが好きです.勉強を分秒に手配するのではなく、人は機械ではありません.
私は突発的な状況が好きで、これは私に何もできないことを知らせて、快適な区の中で順番に繰り返すのではありません
紙の上で得たのは結局浅く感じて,この事は絶対に自分でやらなければならないことを知っている.は、大きなことではなく選択されています. 利得求精は貪欲ではなく全 を求める.
もとをたどる
これは私の中学校の数学の先生が教えてくれた方法で、もとは数学の問題を解決するために使われていたが、後で特定の問題を解決するために使われることができることを発見した.
原理は簡単です:複雑な問題を遡って、発生原因を見つけて、それを解決します.
問題が解決できないまま問題を提起した人(⊙⊙)?
遡及法は、ターゲットを達成するために、優先条件に従って前方に検索する優先探索法である.しかし、ある一歩を探索すると、元の選択が優れていないか、目標に達していないことに気づいたら、一歩戻って再選択し、このような行き詰まったら引き返す技術を遡及法とし、遡及条件を満たすある状態の点を「遡及点」と呼ぶ.
遡及アルゴリズムは実際には列挙のような検索試行プロセスであり、主に検索試行中に問題の解を探し、すでに解の条件を満たしていないことが発見された場合、「遡及」して戻り、別の経路を試みる.
分けて治める
文字通り、問題を分解して、解決できる小さな問題になって、順番に解決しています.
大事が小さく,小さな事が小さくなった
この分解能力は一人で問題を解決するのに最も重要で、それはあなたの問題に対する掌握の程度と手がかりを示しています
1つの複雑な問題を2つ以上の同じまたは似たようなサブ問題に分け、サブ問題をより小さなサブ問題に分ける......最後のサブ問題が簡単に直接解くことができるまで、元の問題の解はサブ問題の解の合併である.
ダイナミックプランニング
計画が変化に追いつかないため、人はすべてのことを把握することができないので、計画は可変で、事件のフィードバックを通じて最適化します
日記を書いて、まとめて、私はあまり書いたことがありませんが、すでに起こったことに対して、簡単な模型を得るのは簡単です.
動的計画プロセスは、決定が現在のステータスに依存するたびに、ステータスの移行を引き起こします.1つの決定シーケンスは変化した状態で生成されるので,このような多段階最適化決定が問題を解決する過程を動的計画と呼ぶ.
まとめ
いかなる学习方法はすべて人が主観的な能動性を持って、自主的に学习する前に时间をマスターして知识の面を広げて、いくつかの机械の学习の知识を见て、自分の学习の方法に対して、とても大きい影响があってコンピュータの学习を教えて、模型を通じて、绝えないサンプルの训练の中で模型を最适化して、最も良い入出力を探して、モデリングは私达の学习のようで、知识は无限で、入力から出力を得るには、記憶ではできないので、勉強するときはパターンを抽出します.知識点を学ぶ周期が長くなると、既存の学習技術を変え、快適なエリアから飛び出すことを学ばなければならない.
前言
今週からJavaの復習を始め、今週もフェルマンテクニックの更新の最初の週で、次は私の一連の学習方法を記録して、私のためにまとめをします.
フェルマンテクニック
これは私の高校から大学までの重要な学習技術です.しかし、大学に着いて初めてその名前を知った.これは優秀な学習方法で、私たちが新しい知識を学ぶのを迅速に助けることができる.手順は簡単で、4歩です.
ネット上の共通バージョン
マイバージョン
)を抽出することは、知識面の広さ
)知識面の深さ
)は、対象の知識面
)に入るのは概念複雑度私のバージョンは学校の学習の中で使用して、対象は同級生で、全体の効率は悪くなくて、しかし1つの一貫した知識体系を持つ必要があって、新しい知識に対して既存の知識の延長と見なすことができて、もし離散的な知識ならばとても忘れやすいです.
第一歩は、学ぶべき知識に対して、重要な構造を抽出し、一般的にインターネットを利用して操作(基礎情報検索取得能力を要求する)し、核心を取得し、掌握を要求しない(掌握すれば次のステップは必要ないo(ㄇオブジェクトの学習を導くのに十分な要件があります.
第2歩、元の技巧は1人のできない人を模擬するので、しかし現実は学校の中でいつもできない学友がいて、彼らを助けて、利益は等価に交換して、その上現実はいつも突発的な情況があって、その掌握の程度を磨くことができて、指導の過程の中で第3の視点で、自分と対象の学習の過程を観察して、フィードバックを得ることができて、これはとても重要で、もしフィードバックがなければ、では、あなたが間違った人を探しているか、自分で把握していないことを証明します.また、フィードバックの根源を追跡し、それを分析し、第3歩を実行します.
第3のステップは、一般的に第2のステップとともに実行される.自身はその知識の構造を把握しているだけで、熟練していないからである.他の人を指導する時多くの問題が現れて、この時あなたの経験に頼って、問題を分化して、第2歩の基礎の上で問題を解決して、恥をかくことを恐れないで、他の人の助けを求めることができます.
第四歩は、対象学習が終わった後、出会った問題を分類整理し、知識体系を統合し、次の礎とする.
4ステップを行った後、この知識点を3回並行して学習し、ほとんどの意外な状況に遭遇することに相当します.これがフェマンテクニックの簡単な分析です.
十分に熟練していて、知識の幅の深さが一定のレベルに達すると、これは概念を選択し、モデルを抽出し、他人に教えるときに、モデルを改善することになります.
先週、私は一生使える学習技術がないことを発見しました.カスタマイズしても、失効します.ここではフェイマンテクニックが無効だというわけではなく、周囲の環境が変わって(対象が見つからないo(ㄛㄛㄛ)o)、その効率が受け入れられない程度に下がったので、私にとって元のフェイマンテクニックはもう新しい知識の勉強には向いていないので、既存の知識を復習するのにもっと適しています.
そしてその欠点は、使いすぎると人の師になり、自覚せずに他人の問題を解決することであり、これは自分の利益に合わない.
私が見つけた新しい学習テクニックは、フェルマンテクニックや他の方法について私の派生版です.
機械学習
フェルマンのテクニックに合わせて、知識体系を整理して、モデルを得ることができますが、絵を描くだけでなく、形式主義をして、快適なエリアで自分を慰めます.
じかんかんり
勉强については、一方では时间管理をして、何年も本を読んで、いろいろな方法を闻きました.
日志打表时间“四象限”トマト時計はまだいくつかのわけのわからない英語の略語の方法があります
どうせ私は一人も長く使ったことがありません.私はもっと大きな時間範囲で勉強するのが好きです.勉強を分秒に手配するのではなく、人は機械ではありません.
私は突発的な状況が好きで、これは私に何もできないことを知らせて、快適な区の中で順番に繰り返すのではありません
紙の上で得たのは結局浅く感じて,この事は絶対に自分でやらなければならないことを知っている.
もとをたどる
これは私の中学校の数学の先生が教えてくれた方法で、もとは数学の問題を解決するために使われていたが、後で特定の問題を解決するために使われることができることを発見した.
原理は簡単です:複雑な問題を遡って、発生原因を見つけて、それを解決します.
問題が解決できないまま問題を提起した人(⊙⊙)?
遡及法は、ターゲットを達成するために、優先条件に従って前方に検索する優先探索法である.しかし、ある一歩を探索すると、元の選択が優れていないか、目標に達していないことに気づいたら、一歩戻って再選択し、このような行き詰まったら引き返す技術を遡及法とし、遡及条件を満たすある状態の点を「遡及点」と呼ぶ.
遡及アルゴリズムは実際には列挙のような検索試行プロセスであり、主に検索試行中に問題の解を探し、すでに解の条件を満たしていないことが発見された場合、「遡及」して戻り、別の経路を試みる.
(1)与えられた問題に対して、問題の解空間を決定する:まず問題の解空間を明確に定義し、問題の解空間は少なくとも問題の1つの解を含むべきである.(2)ノードの拡張探索規則を決定する(3)深さ優先で解空間を探索し、探索中に剪断関数で無効な探索を回避する.分けて治める
文字通り、問題を分解して、解決できる小さな問題になって、順番に解決しています.
大事が小さく,小さな事が小さくなった
この分解能力は一人で問題を解決するのに最も重要で、それはあなたの問題に対する掌握の程度と手がかりを示しています
1つの複雑な問題を2つ以上の同じまたは似たようなサブ問題に分け、サブ問題をより小さなサブ問題に分ける......最後のサブ問題が簡単に直接解くことができるまで、元の問題の解はサブ問題の解の合併である.
(1)分解:原問題をいくつかの規模が小さく、互いに独立し、原問題と同じ形式のサブ問題に分解する.(2)解決:サブ問題の規模が小さく、解決されやすい場合は直接解く.そうでなければ、各サブ問題を再帰的に解く.(3)合併:各サブ問題の解を原問題の解に統合する.ダイナミックプランニング
計画が変化に追いつかないため、人はすべてのことを把握することができないので、計画は可変で、事件のフィードバックを通じて最適化します
日記を書いて、まとめて、私はあまり書いたことがありませんが、すでに起こったことに対して、簡単な模型を得るのは簡単です.
動的計画プロセスは、決定が現在のステータスに依存するたびに、ステータスの移行を引き起こします.1つの決定シーケンスは変化した状態で生成されるので,このような多段階最適化決定が問題を解決する過程を動的計画と呼ぶ.
(1)最適解の性質を解析し、その構造的特徴を描く.(2)再帰的定義最適解.(3)最適値を計算する際に得られる情報に基づいて、問題の最適解を構築するまとめ
いかなる学习方法はすべて人が主観的な能動性を持って、自主的に学习する前に时间をマスターして知识の面を広げて、いくつかの机械の学习の知识を见て、自分の学习の方法に対して、とても大きい影响があってコンピュータの学习を教えて、模型を通じて、绝えないサンプルの训练の中で模型を最适化して、最も良い入出力を探して、モデリングは私达の学习のようで、知识は无限で、入力から出力を得るには、記憶ではできないので、勉強するときはパターンを抽出します.知識点を学ぶ周期が長くなると、既存の学習技術を変え、快適なエリアから飛び出すことを学ばなければならない.