关键词task-free continual learning
搜索结果 - 3
- 通过在线差异距离学习实现无任务持续学习
本文提出了一种新的理论分析框架,给出了基于任务自由连续学习中访问样本与整个信息之间差异距离的归纳界限,并提出了使用动态组件扩展机制的新方法 - ODDL,以保证具有最佳性能的紧凑网络结构,同时提出了一种基于差异度量的样本选择方法,通过提高性 - 学习一种进化的混合模型用于任务自由的连续学习
本文提出了一种解决深度学习模型在没有显式任务信息的非定常数据流上进行持续学习的方法,即基于进化的混合模型,该模型的网络架构动态扩展以适应数据分布的变化,并引入了两个简单的丢弃机制来避免存储的例子过多导致记忆过载问题,实证结果表明,该方法在持 - 基于梯度的记忆样例编辑技术,实现在线无任务连续学习
本文提出了一种名为 Gradient based Memory EDiting (GMED) 的基于梯度更新的框架,以在连续输入空间中编辑存储的示例,旨在为回放创建更具挑战性的示例,以克服灾难性遗忘,并验证了该方法的有效性,是一种新颖的无任