持续学习(continuallearning,CL) 是 模 拟 大 脑 学 习 的 过 程,按 照 一 定 的 顺 序 对 连 续 非 独 立 同 分 布 的 (independentlyandidenticallydistributed,IID)流数据进行学习,进而根据任务的执行结果对模型进行 增量式更新.持续学习的意义在于高效地转化和利用已经学过的知识来完成新任务的学习,并且能够极 大程度地降低遗忘带来的问题.连续学习研究对智能计算系统自适应地适应环境改变具有重要的意义

精品内容

【CVPR2024】卷积提示"遇见了语言模型的持续学习
【CVPR2024】持续遗忘对于预训练视觉模型
专知会员服务
17+阅读 · 3月20日
持续学习的研究进展与趋势
专知会员服务
37+阅读 · 3月8日
《图持续学习》综述
专知会员服务
23+阅读 · 2月20日
《图持续学习》综述
专知会员服务
34+阅读 · 2月13日
【博士论文】连接状态和行动:迈向持续强化学习
【综述】持续学习与预训练模型综述
专知会员服务
46+阅读 · 1月30日
《元学习与持续学习》最新综述
专知会员服务
63+阅读 · 2023年11月19日
【NeurIPS2023】将持续学习重新定义为序列建模
专知会员服务
31+阅读 · 2023年10月19日
概述联邦持续学习最新研究进展
专知会员服务
26+阅读 · 2023年6月18日
【剑桥大学博士论文】情感机器人的持续学习,270页pdf
专知会员服务
27+阅读 · 2023年5月6日
参考链接
微信扫码咨询专知VIP会员