典型文献
基于权值筛选策略的增量学习方法
文献摘要：
为提高现有增量学习模型在容量固定环境下学习的持久性,提出一种基于权值选择策略的增量学习方法.根据贝叶斯神经网络携带的不确定性动态地调整权值的学习率,以此优化一个能同时记忆新旧知识的模型;为使模型的学习与记忆更有弹性,在此基础上提出一种权值选择策略,该策略可以令模型主动选择性地释放部分网络资源,在不严重损害旧任务性能的前提下促进后续任务的学习.实验结果表明,在模型容量固定的环境下,权值选择策略的引入可以更有效地发掘模型的持续学习能力.
文献关键词：
灾难性遗忘;贝叶斯增量学习;不确定性;学习率;权值选择策略
中图分类号：
作者姓名：
莫建文;朱彦桥;欧阳宁;林乐平
作者机构：
桂林电子科技大学 信息与通信学院 认知无线电与信息处理省部共建教育部重点实验室,广西 桂林 541004;桂林电子科技大学 信息与通信学院,广西 桂林 541004
文献出处：
引用格式：
[1]莫建文;朱彦桥;欧阳宁;林乐平-.基于权值筛选策略的增量学习方法)[J].计算机工程与设计,2022(08):2221-2227
A类：
权值选择策略,贝叶斯增量学习
B类：
筛选策略,持久性,贝叶斯神经网络,学习率,新旧知识,学习与记忆,有弹性,分网,网络资源,不严,持续学习,灾难性遗忘
AB值：
0.229013
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
