CASIA OpenIR  > 学术期刊  > 自动化学报
一种基于随机权神经网络的类增量学习与记忆融合方法
李德鹏; 曾志刚
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:12Pages:2467-2480
Abstract连续学习(Continual learning, CL)多个任务的能力对于通用人工智能的发展至关重要.现有人工神经网络(Artificial neural networks, ANNs)在单一任务上具有出色表现,但在开放环境中依次面对不同任务时非常容易发生灾难性遗忘现象,即联结主义模型在学习新任务时会迅速地忘记旧任务.为了解决这个问题,将随机权神经网络(Random weight neural networks, RWNNs)与生物大脑的相关工作机制联系起来,提出一种新的再可塑性启发的随机化网络(Metaplasticity-inspired randomized network, MRNet)用于类增量学习(Class incremental learning, Class-IL)场景,使得单一模型在不访问旧任务数据的情况下能够从未知的任务序列中学习与记忆融合.首先,以前馈方式构造具有解析解的通用连续学习框架,用于有效兼容新任务中出现的新类别;然后,基于突触可塑性设计具备记忆功能的权值重要性矩阵,自适应地调整网络参数以避免发生遗忘;最后,所提方法的有效性和高效性通过5个评价指标、5个基准任务序列和10个比较方法在类增量学习场景中得到验证.
Keyword连续学习 灾难性遗忘 随机权神经网络 再可塑性启发
DOI10.16383/j.aas.c220312
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/55767
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
李德鹏,曾志刚. 一种基于随机权神经网络的类增量学习与记忆融合方法[J]. 自动化学报,2023,49(12):2467-2480.
APA 李德鹏,&曾志刚.(2023).一种基于随机权神经网络的类增量学习与记忆融合方法.自动化学报,49(12),2467-2480.
MLA 李德鹏,et al."一种基于随机权神经网络的类增量学习与记忆融合方法".自动化学报 49.12(2023):2467-2480.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2022-0312.pdf(2718KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[李德鹏]'s Articles
[曾志刚]'s Articles
Baidu academic
Similar articles in Baidu academic
[李德鹏]'s Articles
[曾志刚]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[李德鹏]'s Articles
[曾志刚]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2022-0312.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.