SeNA-CNN：通过选择性网络扩增克服卷积神经网络中的灾难性遗忘
机器学习
2018-05-10 v2 机器学习
摘要
终身学习的目标是开发能够学习新任务同时保留在先前学习任务上性能的机器学习系统。本文提出一种克服卷积神经网络中灾难性遗忘的方法，该方法通过选择性网络扩增来学习新任务并在不访问原始模型数据的情况下保持旧任务性能。实验结果表明，在某些场景下 SeNA-CNN 优于最先进的不遗忘学习（Learning without Forgetting）算法。结果还表明，在某些情况下，使用 SeNA-CNN 优于采用孤立学习训练神经网络。
引用
@article{arxiv.1802.08250,
title = {SeNA-CNN: Overcoming Catastrophic Forgetting in Convolutional Neural Networks by Selective Network Augmentation},
author = {Abel S. Zacarias and Luís A. Alexandre},
journal= {arXiv preprint arXiv:1802.08250},
year = {2018}
}