关键词plasticity-stability trade-off
搜索结果 - 4
- 塑性优化的互补网络用于无监督连续学习
通过训练专家网络和结合自适应回顾相位的方法来解决在多任务数据流上学习时的性能下降问题，该方法在少任务和多任务划分设置中优于其他无示例连续无监督表征学习方法，并且在半监督连续学习方面表现优于其他无示例半监督连续学习方法。
- ICML稀疏提示下元策略网络中的持续任务分配
本文提出了 Continual Task Allocation via Sparse Prompting (CoTASP) 方法，通过在训练过程中学习过度完备的词典生成稀疏掩模，并通过不断优化互相调整以更新元策略，从而解决了强化学习中新任务 - CVPR通过辅助网络在连续学习中实现更好的稳定性 - 可塑性平衡
通过引入辅助网络实现稳定性与可塑性平衡的新方法 ANCL，在任务递增和类递增场景下表现优异，并揭示了稳定性与可塑性之间的基本原则。
- 盲目图像质量评估的持续学习
本研究提出了一种针对 BLQA 的基于连续学习的模型，以提高模型的适应性和稳定性，通过新的预测头和正则化器来实现在不断增长的数据流中不断学习并避免灾难性遗忘，在所有预测头的估计的自适应加权求和得出最终图像质量评分。