更改

==== Self learning ====  

==== 自学习 Self learning ====  

Self-learning as machine learning paradigm was introduced in 1982 along with a neural network capable of self-learning  named Crossbar Adaptive Array (CAA).  It is a learning with no external rewards and no external teacher advices. The CAA self-learning algorithm computes, in a crossbar fashion, both decisions about actions and emotions (feelings) about consequence situations. The system is driven by the interaction between cognition and emotion.  

Self-learning as machine learning paradigm was introduced in 1982 along with a neural network capable of self-learning  named Crossbar Adaptive Array (CAA).  It is a learning with no external rewards and no external teacher advices. The CAA self-learning algorithm computes, in a crossbar fashion, both decisions about actions and emotions (feelings) about consequence situations. The system is driven by the interaction between cognition and emotion.  

自学习作为机器学习的范式在1982年随着一个神经网络的自学习能力被命名为交叉自适应阵列(CAA)。这是一种没有外部奖励和教师建议的学习。Caa 自学习算法以交叉方式计算关于行为和情绪(感觉)对结果情况的决定。这个系统是由认知和情感的相互作用所驱动的。

自学习作为机器学习的范式，在1982年随着一个神经网络的自学习能力被命名为交叉自适应阵列(CAA)。这是一种没有外部奖励和教师建议的学习。Caa 自学习算法以交叉方式计算关于行为和情绪(感觉)对结果情况的决定。这个系统是由认知和情感的相互作用所驱动的。

The self-learning algorithm updates a memory matrix W =||w(a,s)|| such that in each iteration executes the following machine learning  routine:  

The self-learning algorithm updates a memory matrix W =||w(a,s)|| such that in each iteration executes the following machine learning  routine:  

它是一个只有一个输入、情景和一个输出、动作(或行为)的系统。既没有单独的强化输入，也没有来自环境的通知输入。反向传播价值(二次强化)是对结果情境的情感。Caa 存在于两个环境中，一个是行为环境，另一个是遗传环境，从它开始，只有一次接受初始情绪的情况下将遇到的行为环境。在从遗传环境中获得基因组(物种)载体后，CAA 在一个既包含理想情况又包含不理想情况的环境中学习一种寻求目标的行为。

它是一个只有一个输入、情景和一个输出、动作(或行为)的系统。既没有单独的强化输入，也没有来自环境的通知输入。反向传播价值(二次强化)是对结果情境的情感。Caa 存在于两个环境中，一个是行为环境，另一个是遗传环境，从它开始，只有一次接受初始情绪的情况下将遇到的行为环境。在从遗传环境中获得基因组(物种)载体后，CAA 在一个既包含理想情况又包含不理想情况的环境中学习一种寻求目标的行为。

==== Feature learning ====

==== Feature learning ====