在本课程中,您将学习与深度持续学习相关的基础知识。在本课程结束时,您可以期望拥有基本的理论和实践知识,使您能够自主探索这个令人兴奋的研究领域的更先进的主题和前沿。你也将能够将这些技能应用到你自己的研究主题和现实世界的应用。

本课程将以8次主要讲座(每次2小时)和2次邀请演讲为基础。你可以点击每堂课来检查大纲,并查看已录制的课。

https://course.continualai.org/background/details

目录内容: Introduction & Motivation (22/11) Understanding Catastrophic Forgetting (24/11) Scenarios & Benchmarks (29-11) Evaluation & Metrics (1-12) Methodologies [part 1] (6-12) Methodologies [part 2] (9-12) Methodologies [part 3] & Applications (13-12) Frontiers in Continual Learning (15-12) Avalanche Dev Day (16-12) Invited Lectures (20-12)

成为VIP会员查看完整内容
26

相关内容

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
不可错过!UCSD《机器学习数据系统(ML)》2021课程
专知会员服务
30+阅读 · 2021年11月13日
专知会员服务
74+阅读 · 2021年7月21日
专知会员服务
33+阅读 · 2020年12月28日
不可错过!华盛顿大学最新《生成式模型》课程,附PPT
专知会员服务
59+阅读 · 2020年12月11日
专知会员服务
53+阅读 · 2020年10月11日
周志华老师《机器学习》西瓜书学习笔记
专知
30+阅读 · 2019年8月11日
资源|斯坦福课程:深度学习理论!
全球人工智能
16+阅读 · 2017年11月9日
Arxiv
7+阅读 · 2020年10月7日
Arxiv
5+阅读 · 2020年3月17日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
Arxiv
8+阅读 · 2018年5月1日
Arxiv
4+阅读 · 2018年4月11日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员