Modèle de mémoire de travail: Caractéristiques et applications
Graph Chatbot
Chattez avec Graph Search
Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
Dépasse les limites de la capacité de traitement, les avantages des répétitions espacées et l'importance de la métacognition pour améliorer l'apprentissage.
Explore la conception de scénarios d'intégration pour l'apprentissage inversé et mélangé avec du matériel numérique, mettant l'accent sur l'apprentissage actif et les environnements structurés.
Se penche sur l'utilisation de la mémoire spatiale dans les agents RL pour les tâches de navigation labyrinthe, montrant des performances améliorées avec des repères visuels, mais des résultats incohérents dans le choix du chemin.
Introduit la neuro-ingénierie translationnelle, en mettant l'accent sur l'intégration des neurosciences et de la technologie pour un traitement efficace des patients.
Compare la prise de notes à la main longue et à l'ordinateur portable pour l'apprentissage, en mettant l'accent sur les effets néfastes de la transcription textuelle sur la compréhension et la conservation.
