班级增量学习 文件 用于班级增量学习的自适应聚合网络，CVPR2021。[ ] [] 助记符训练：无需忘记的多级增量学习，CVPR2020。[ ] [] 引文 如果它们对您的工作有帮助，请引用我们的论文： @inproceedings { Liu2020AANets , author = { Liu, Yaoyao and Schiele, Bernt and Sun, Qianru } , title = { Adaptive Aggregation Networks for Class-Incremental Learning } , booktitle = { The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) } , year = { 20

Continual Learning 必读文章

很棒的持续学习/很棒的终身学习 持续学习的目的是让机器复制类似于人类的学习，使他们能够依次学习新的任务和观察结果，同时仍然能够保留从过去的经验中获得的知识。 以下是终身/连续/顺序/增量式机器学习领域的论文，博客，数据集和软件的列表。 内容 文件 理论与调查 基于梯度的神经网络中灾难性遗忘的实证研究。 （2013） 谈论神经网络中的遗忘问题和使用辍学的优势 连接主义网络中的灾难性干扰：顺序学习问题。 （1989） 最早的一篇介绍学习模块中遗忘概念的论文 神经网络的持续终身学习：回顾（2018年） 详尽的调查论文，介绍了持续学习或终生学习的不同方法 使记忆持久：突触标记和捕获假设。 （2011） 突触学习的神经科学观点 自组织神经模式识别机器的大规模并行体系结构（1989年） 讨论稳定性（保留过去知识的能力）和可塑性（快速学习新事物的能力）之间的权衡 终身机器学习（2016）

持续学习论文 持续学习论文列表，由 ContinualAI 策划。 在262篇论文中搜索！ 您可以浏览此文件中的列表或在上以交互方式浏览。 Slack，随时了解最新的持续学习新闻。 访问 Continua AI wiki → 目录 持续的小样本学习 持续元学习 持续强化学习 持续顺序学习 学位论文 生成重放方法 混合方法 元持续学习 指标和评估 神经科学 其他 正则化方法 排练方法 审查论文和书籍 机器人 添加新纸张 论文列表由 Zotero 小组维护。 您可以加入该小组并帮助我们保持更新（请参阅下一节）。 如果你不想加入这个小组，你可以简单地打开一个 Github issue 向我们推荐一篇新论文（甚至不止一篇）。 我们会尽快将其添加到列表中。 打开一个新的 Github 问题。 附上包含要包含在列表中的论文的围兜文件。 如果您没有围脖文件，只需向我们提供论文的链接即可。

持续学习基准 使用流行的持续学习算法评估三种类型的任务转移。 该存储库使用PyTorch实现并模块化了以下算法： EWC： ，（克服神经网络中的灾难性遗忘） 在线EWC： ， SI： ，（通过突触智能持续学习） MAS： ，书面（“内存感知突触：学习（不）忘记的内容”） 创业板： ，（用于持续学习的梯度情景记忆） （更多即将到来） 将以上所有算法与具有相同静态内存开销的以下基准进行比较： 天真彩排： L2： ， 关键表： 如果此存储库对您的工作有所帮助，请引用： @inproceedings{Hsu18_EvalCL, title={Re-evaluating Continual Learning Scenarios: A Categorization and Case for Strong Baselines}, author={Yen-Chang Hsu a

计算机视觉Github开源论文

保持意义的持续学习（MPCL） 这是的后续。 核心思想保持不变。 定位意义 MPCL认为，潜在表示通过对外界采取行动而获得了意义。 为了使连续学习在复杂的环境中易于管理并避免，含义必须随着时间的流逝而保持稳定。 这是MPCL背后的核心思想。 请注意，稳定性并不意味着闲置：只要可以在表示的计算范围之外继续满足其目的，就可以完善表示模型。 MPCL借鉴了内含的。 我希望MPCL可以帮助建立更多位置的人工代理，尽管它并不完全符合当前的体现/情境认知理论。 在我的情境认知版本中，意义是核心。 “含义”是与需要稳定的外界的联系。 传统上，程序员是要确定算法输入和输出的含义的，因为含义不会神奇地从其算法的语法复杂性中浮现出来。 智能行为也不是来自孤立的算法，因为只有当智能算法在观察者眼中做出有意义的事情时，智能算法才能被认为是智能的，即，行为模式只能在可理解的范围内被认为是智能的。 在本自述