基于本征任务的终身学习:任务分离、技能获取与选择性迁移
机器学习
2020-07-15 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
我们引入用于终身学习的本征任务(eigentask)框架。本征任务将解决一组相关任务的技能与该技能输入空间上可采样的生成模型配对。该框架扩展了生成重放(generative replay)方法——其主要用于避免灾难性遗忘——以同时解决其他终身学习目标,例如前向知识迁移。我们提出了在我们框架中学习的唤醒-睡眠(wake-sleep)循环,交替进行任务学习与知识巩固,并在终身监督学习与终身强化学习中实例化该循环。我们在监督式持续学习中取得了优于当前最优(state-of-the-art)的性能,并在StarCraft2游戏的终身RL应用中展示了前向知识迁移的证据。
引用
@article{arxiv.2007.06918,
title = {Lifelong Learning using Eigentasks: Task Separation, Skill Acquisition, and Selective Transfer},
author = {Aswin Raghavan and Jesse Hostetler and Indranil Sur and Abrar Rahman and Ajay Divakaran},
journal= {arXiv preprint arXiv:2007.06918},
year = {2020}
}
备注
Accepted at the 4th Lifelong Machine Learning Workshop at the Thirty-seventh International Conference on Machine Learning (ICML) 2020