چگونه چارچوب یادگیری از هم گسسته ما با چالش های یادگیری مادام العمر مقابله می کند

نویسندگان:

(1) سباستین دزیادزیو، دانشگاه توبینگن ([email protected])

(2) Çagatay Yıldız، دانشگاه توبینگن;

(3) Gido M. van de Ven, KU Leuven;

(4) Tomasz Trzcinski، IDEAS NCBR، دانشگاه صنعتی ورشو، Tooploox;

(5) Tinne Tuytelaars، KU Leuven;

(6) ماتیاس بثگه، دانشگاه توبینگن.

چکیده و 1. مقدمه

2. دو مشکل در رویکرد فعلی به یادگیری مداوم کلاسی-افزاینده

3. روش ها و 3.1. dSprites بی نهایت

3.2. یادگیری از هم گسسته

4. کارهای مرتبط

4.1. یادگیری مستمر و 4.2. معیار یادگیری مستمر

5. آزمایشات

5.1. روش های منظم سازی و 5.2. روش های مبتنی بر پخش

5.3. آیا ما به معادل سازی نیاز داریم؟

5.4. تعمیم تک شات و 5.5. طبقه بندی مجموعه باز

5.6. آنلاین در مقابل آفلاین

نتیجه گیری، قدردانی و مراجع

مواد تکمیلی

6. بحث

در دهه گذشته، تحقیقات یادگیری مستمر از طریق تنظیم پارامترها و عملکردی، تمرین، و استراتژی‌های معماری که با حفظ پارامترهای مهم یا تقسیم دانش، فراموشی را کاهش می‌دهد، پیشرفت کرده است. همانطور که در یک نظرسنجی اخیر اشاره شده است [37]، بهترین عملکرد یادگیرندگان مستمر مبتنی بر ذخیره یا ترکیب نمونه ها است. چنین روش هایی معمولاً در نسخه های متوالی ارزیابی می شوند …

Source link