给素材网站做素材方法,中英繁网站源码,云南机场建设集团网站,做不做生意都要知道的网站来源#xff1a;专知人和高级动物在整个生命中不断获取、微调和转让知识和技能。这种能力#xff0c;称为lifelong learning#xff0c;是由一系列神经认知机制协调的过程#xff0c;这些机制共同促进了sensorimotor技能的发展以及对长期记忆的巩固和检索。因此对于计算系统… 来源专知人和高级动物在整个生命中不断获取、微调和转让知识和技能。这种能力称为lifelong learning是由一系列神经认知机制协调的过程这些机制共同促进了sensorimotor技能的发展以及对长期记忆的巩固和检索。因此对于计算系统和自动化智体lifelong learning能力对能否在现实世界进行交互并处理连续信息至关重要。但是长期来看lifelong/continual learning仍然是机器学习和神经网络模型的挑战因为从非平稳数据分布中不断递增地获取可用信息通常会导致catastrophic forgetting或者interference问题即用新信息训练模型的时候会干扰先前学习的知识。这种现象通常会导致性能突然下降或者最坏的情况下导致旧知识被新知识完全overwrite。对于拿固定训练数据来学习的深度神经网络模型其随时间递增的信息无法可用这一点会成为一个主要缺陷。在这篇综述中总结了与人工学习系统的continual/lifelong learning相关挑战并比较了现有那些在不同程度上减轻catastrophic forgetting的NN方法。尽管NN在特定领域学习方面已取得了重大进展但要在自动化智体和机器人上开发强大的lifelong learning还需要进行大量研究。为此作者讨论了由生物系统中的lifelong learning因素所激发的各种研究如structural plasticity、memory replay、curriculum transfer learning、intrinsic motivation和multisensory integration等。https://www.zhuanzhi.ai/paper/6ffaa804920a2409e0cf56cadd2a5889未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
