面向持续学习的预测误差驱动记忆巩固：以自适应温室模型为例
神经元与认知
2021-01-29 v2 人工智能
摘要
本工作提出了一种自适应架构，通过情景记忆与预测误差驱动的记忆巩固进行在线学习并应对灾难性遗忘问题。与认知科学与神经科学的证据一致，记忆的保留取决于其与系统中所存先验知识的一致性。这由生成模型产生的预测误差来估计。此外，该 AI 系统被迁移至园艺产业中的一个创新应用：温室模型的学习与迁移。本工作展示了在科研设施记录数据上训练并迁移至生产温室的模型。
引用
@article{arxiv.2006.12616,
title = {Prediction error-driven memory consolidation for continual learning. On the case of adaptive greenhouse models},
author = {Guido Schillaci and Luis Miranda and Uwe Schmidt},
journal= {arXiv preprint arXiv:2006.12616},
year = {2021}
}
备注
Revised version. Paper under review, submitted to Springer German Journal on Artificial Intelligence (K\"unstliche Intelligenz), Special Issue on Developmental Robotics