非平稳环境下神经网络的卡尔曼滤波修正器
机器学习
2018-11-07 v1 机器学习
摘要
将机器学习算法应用于真实世界环境时，在非平稳环境中学习是一个不可避免的问题。在不遗忘先前知识的情况下学习新任务是机器学习中的挑战性问题。我们提出一种基于卡尔曼滤波的修正器，以在非平稳环境下维持神经网络模型的性能。结果表明，我们所提模型能够保留关键信息并更好地适应变化。在我们的实验中，所提模型的精度下降0.4%，而常规模型在漂移环境下的精度下降90%。
引用
@article{arxiv.1811.02361,
title = {Kalman Filter Modifier for Neural Networks in Non-stationary Environments},
author = {Honglin Li and Frieder Ganz and Shirin Enshaeifar and Payam Barnaghi},
journal= {arXiv preprint arXiv:1811.02361},
year = {2018}
}
备注
4 pages