李宏毅机器学习之Life Long Learning

李宏毅机器学习之Life Long Learning

Life-long Learning需要解决的问题

在这里插入图片描述

Knowledge Retention

在这里插入图片描述

学习完任务2后任务1的正确率下降了

在这里插入图片描述

如果一起学,可以学的很好,为什么分开学,就乱了,Catastrophic Forgetting

在这里插入图片描述

EWC 核心思想:在二次训练的时候,之前比较重要的参数尽量不要去改

在这里插入图片描述

theta1 在平原上,所以变化对任务1的影响不大,所以对应的b1也比较小, theta2相对曲线比较陡峭,容易对任务1产生影响,所以对应的b2会比较大。

在这里插入图片描述

在这里插入图片描述

Knowledge Transfer

在这里插入图片描述

知识迁移与life-long learning的区别

在这里插入图片描述

life-long learning的一般评估方法

在这里插入图片描述

GEM 核心思想:学习新任务的时候,考虑以前任务的梯度方向

Model Expansion

在这里插入图片描述

在这里插入图片描述

学习的顺序也很重要

发布了151 篇原创文章 · 获赞 110 · 访问量 10万+

猜你喜欢

转载自blog.csdn.net/qq_35564813/article/details/92430068
今日推荐