El aprendizaje permanente
A diferencia de otros métodos
- Muti-tarea de aprendizaje
materiales de capacitación para las necesidades de cada tarea para incluir, y capacitar a cada tarea, un serio desafío para el almacenamiento y los recursos informáticos se pueden utilizar como el límite superior LLL - Transferencia de aprendizaje
Desde tarea de transferencia de A a la tarea B, sólo se requieren las cifras de rendimiento pueden estar en la tarea B, requisitos de LLL en la A, el rendimiento de B es buena
Evaluación
Sin olvidar viejo para aprender un nuevo
- Constraint-basado
poner una banda de guarda (coeficiente) es un término de regularización, a fin de cambiar diferentes parámetros influyen diferente guardia CER = Pérdida en el coeficiente diferencial secundario (velocidad de cambio)
- basado en generado
la formación de otra red generación antes de la formación de imagen a la tarea -> aprendizaje de tareas Muti
Viejo y nuevo conocimiento ayudarse mutuamente
GEM: Limitaciones dirección del gradiente en favor de las últimas tareas de actualización
de uso desleal de datos en el pasado misión
Ye modelo de expansión no es suficiente
- Recepción de la salida de la última tarea, bola de nieve de la red
- La ampliación de la red (+ ruido), un poco como una deserción inversa
Problema a ser resuelto:
El entrenamiento de la secuencia?