【Alma Mate博士论文】深度架构持续学习，附150页pdf与Slides

人类具有从经验中不断学习的非凡能力。我们不仅可以把以前学过的知识和技能应用到新的情况中，我们还可以把这些作为以后学习的基础。人工智能(AI)的宏伟目标之一是构建一种人工的“持续学习”代理，通过对越来越复杂的知识和技能的自主增量开发，从自身经验构建对世界的复杂理解。然而，尽管有早期的推测和开创性的工作，很少有研究和努力致力于解决这一愿景。当前的人工智能系统在面对新数据或环境下时会受到很大的影响，这些数据或环境甚至与它们所接受的训练稍有不同。此外，学习过程通常局限于狭窄、孤立的任务中的固定数据集，这很难导致更复杂、更自主的智能行为的出现。从本质上说，持续学习和适应能力，虽然通常被认为是每一个智能主体的基本支柱，但基本上被排除在人工智能的主要研究焦点之外。在这篇论文中，我们根据机器学习研究的最新进展和人工智能的深层架构来研究这些思想的应用。我们提出了一个全面和统一的框架，以持续学习，新的指标，基准和算法，以及提供大量的实验评估在不同的监督，非监督和强化学习任务。

http://amsdottorato.unibo.it/9073/