灾难性遗忘相关论文
终身学习（LLL）作为一种新兴方法打破了传统机器学习的局限性，赋予了模型能够像人类一样在学习过程中不断积累、优化并转移知识的能力......
深度学习模型通常限定在固定数据集中进行训练，训练完成之后模型无法随着时间而扩展其行为.将已训练好的模型在新数据上训练会出现......
现有的类增量学习方法多是采用存储数据或者扩展网络结构，但受内存资源限制不能有效缓解灾难性遗忘问题。针对这一问题，创新地提出基......
SAR景象适配区选取作为无人飞行器导航规划的一项关键技术,利用保障数据选取匹配性能优的区域,对提高景象匹配成功率有重要的意义......
最近,在大数据和从数据流中学习的情况下,增量学习和在线学习越来越受到关注,这与传统的完全数据可用性假设相冲突。一般来说,传统......
持续学习旨在连续地学习多个任务，并且在不发生灾难性遗忘的情况下，能够利用先前任务的知识来帮助当前任务的学习。渐进神经网络是一......
人类能够在其一生中不断学习新知识并对知识进行优化,同时还能够保留先前知识,这种能力对于自动学习系统在现实世界中发挥持续自主......
在通往人工智能的道路上,一个主要的开放问题是增量学习系统的开发,该系统可以随着时间的推移,不断地从数据流中学习知识。近年来,......
近年来,随着新型人工智能技术的不断发展以及海量数据的爆炸式增长,如何借助新技术高效、准确地处理并分析不断增长的数据流是一项......
随着人们健康意识的增强,菜品图像分类在人们的日常生活中的实用性以及普遍性不断增强。基于视觉的菜品图像分类技术不仅可以帮助......
针对增量学习存在的灾难性遗忘和新任务数据逐步积累问题,提出了基于新旧任务之间相似度的样本重放优化学习方法,相似度越高,重放......
人类和动物有能力在其一生中不断地获取并微调知识。与之类似,从连续的信息流中学习的能力对于学习系统及在现实世界中发挥作用的......
针对小样本学习在识别新类别时会出现灾难性遗忘的问题,提出一种小样本学习中克服灾难性遗忘的方法。结合卷积神经网络识别模型提......
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清......
