læringsfunksjoner

Læringsfunksjoner er et begrep som brukes i ulike fagfelt for å beskrive eller modellere hvordan læring foregår. Begrepet kan derfor referere til psykologiske eller pedagogiske modeller av menneskelig læring, liksom til matematiske eller beregningsmessige representasjoner av læringsprosesser i kunstig intelligens.

I psykologi og pedagogikk studeres ofte læringsfunksjoner som kurver som viser ytelse eller kunnskapsnivå som funksjon av trening, repetisjon eller instruksjon. Slike funksjoner kan illustrere effekten av tilbakemelding, mønster av praksis og glemselsprosesser, og de hjelper til med å planlegge effektive undervisningsopplegg.

I maskinlæring og kunstig intelligens brukes termen mindre eksplisitt, men den relaterer seg til de matematiske delene av læring: hypotesefunksjonen eller modellfunksjonen f(x;θ) som gir forutsigelser, og tap- eller kostnadsfunksjonen L(y, f(x;θ)) som måler feil. Læringsprosessen består i å tilpasse parametrene θ for å minimere tapet, ofte gjennom optimering som gradientnedstigning, med regulering og valg av læringsrater.

Selv om "læringsfunksjoner" brukes, fokuseres i praksis ofte på modeller, tilpassing av parametere, tapfunksjoner og algoritmer for optimalisering heller enn på en separat funksjon kalt "læringsfunksjon". Begrepet understreker likevel at læring involverer en form for funksjonell mapping som forbedres over tid.

Se også: maskinlæring, kognitiv psykologi, optimering.