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.
جدول پیوندها
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 …