视觉图像上的增量概念形成without 灾难性遗忘
机器学习
2024-09-20 v2 人工智能
计算机视觉与模式识别
信息检索
摘要
深度神经网络在机器学习领域，特别是视觉任务中表现出色，然而在顺序学习新任务时，它们往往遭受灾难性遗忘之苦。在本工作中，我们介绍了 Cobweb4V，作为传统神经网络方法的一种替代方案。Cobweb4V 是一种新颖的视觉分类方法，建立在 Cobweb 基础之上；Cobweb 是一种类人学习系统，其灵感来源于人类随时间增量学习新概念的方式。在本研究中，我们进行了全面评估，展示了 Cobweb4V 在学习视觉概念方面的熟练程度：与传统方法相比，它需要更少的数据即可实现有效的学习成果，随时间推移保持稳定的性能，并实现值得称道的渐近行为，且无灾难性遗忘效应。这些特征与人类认知中的学习策略相一致，使 Cobweb4V 成为神经网络方法的一个有前景的替代方案。
引用
@article{arxiv.2402.16933,
title = {Incremental Concept Formation over Visual Images Without Catastrophic Forgetting},
author = {Nicki Barari and Xin Lian and Christopher J. MacLellan},
journal= {arXiv preprint arXiv:2402.16933},
year = {2024}
}
备注
Accepted by The Eleventh Annual Conference on Advances in Cognitive Systems