持续学习(continuallearning,CL) 是 模 拟 大 脑 学 习 的 过 程,按 照 一 定 的 顺 序 对 连 续 非 独 立 同 分 布 的 (independentlyandidenticallydistributed,IID)流数据进行学习,进而根据任务的执行结果对模型进行 增量式更新.持续学习的意义在于高效地转化和利用已经学过的知识来完成新任务的学习,并且能够极 大程度地降低遗忘带来的问题.连续学习研究对智能计算系统自适应地适应环境改变具有重要的意义

精品内容

边缘人工智能的联邦持续学习:综合综述
专知会员服务
18+阅读 · 12月14日
《多模态持续预训练实用指南》,52页pdf
专知会员服务
20+阅读 · 9月3日
【ICML2024】基于正则化的持续学习的统计理论
专知会员服务
18+阅读 · 6月11日
基础语言模型在持续学习中的最新进展:综述
专知会员服务
34+阅读 · 6月9日
IJCAI 2024 | 持续多模态知识图谱构建
专知会员服务
26+阅读 · 6月6日
《大型语言模型持续学习》综述
专知会员服务
79+阅读 · 4月26日
【CVPR2024】卷积提示"遇见了语言模型的持续学习
【CVPR2024】持续遗忘对于预训练视觉模型
专知会员服务
18+阅读 · 3月20日
持续学习的研究进展与趋势
专知会员服务
41+阅读 · 3月8日
《图持续学习》综述
专知会员服务
28+阅读 · 2月20日
参考链接
微信扫码咨询专知VIP会员