机构名称：
¥ 1.0
构建可以处理大量实时传感器捕获数据的自主代理对于许多现实世界中的应用至关重要，包括自动驾驶汽车，机器人技术和医学中的AI。由于代理商通常需要在动态环境中进行表达，因此，这是一个理想的和具有挑战性的目标，可以使代理商能够随着时间的推移而不会绩效降解。持续学习旨在建立一个持续的学习者，该学习者可以通过数据流学习新概念，同时保留先前学习的概念。在演讲中，我将调查我最近关于持续学习的研究的三项（i）持续学习，（ii）无监督的持续学习，以及（iii）多模式的共同学习。在第一份工作中，我将讨论一种被监督的持续学习算法，称为Mega，该算法动态平衡了旧任务和新任务。在第二次工作中，我将讨论无监督的持续学习算法，这些学习算法不断地学习表示，而无需访问标签。在第三次工作中，我将详细说明一种有效的持续学习算法，该算法可以在不忘记的情况下连续学习多种模态。
在一个开放而充满活力的世界中持续学习
主要关键词
相关文件推荐
