Proceedings of the National Academy of Sciences· 2017Q1
Sinir Ağlarında Katastrofik Unutmanın Üstesinden Gelmek
Overcoming catastrophic forgetting in neural networks
- 7.277atıf
- Q1SCImago
- 2017yıl
Kısa özet
Önemli ağırlıklardaki öğrenmeyi seçici olarak yavaşlatan yeni bir yöntem, sinir ağlarının unutmadan önceki görevlerde uzmanlığı korumasını sağlıyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Sinir ağları tipik olarak yeni görevleri sıralı olarak öğrenirken katastrofik unutmadan muzdariptir.
- Yeni bir yöntem, eski görevler için önemli olan ağırlıklardaki öğrenmeyi seçici olarak yavaşlatır.
- Bu, ağların uzun süre karşılaşılmayan görevlerde uzmanlığı korumasına olanak tanır.
- Yaklaşım ölçeklenebilir ve etkilidir, sınıflandırma ve oyun öğrenme görevlerinde gösterilmiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
The ability to learn tasks in a sequential fashion is crucial to the development of artificial intelligence. Until now neural networks have not been capable of this and it has been widely thought that catastrophic forgetting is an inevitable feature of connectionist models. We show that it is possible to overcome this limitation and train networks that can maintain expertise on tasks that they have not experienced for a long time. Our approach remembers old tasks by selectively slowing down learning on the weights important for those tasks. We demonstrate our approach is scalable and effective by solving a set of classification tasks based on a hand-written digit dataset and by learning several Atari 2600 games sequentially.
Yazarların özeti; kaynağından alınmıştır. Proceedings of the National Academy of Sciences, 2017 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Yapay Zeka
Artificial IntelligenceComputer Science