4. 小组委员会进一步要求秘书处在法律小组委员会第 63 届会议之前准备一份关于组织安排、资金(包括现有资源如何做出贡献)以及举行此次会议的后勤影响的报告,其中应包括对第三次外空会议的分析以及对第四次外空会议持续时间、范围和地点的各种组合的分析。
持续学习 (CL) 的目标是随着时间的推移学习不同的任务。与 CL 相关的主要需求是保持旧任务的表现,利用后者来改进未来任务的学习,并在训练过程中引入最小的开销(例如,不需要增长模型或重新训练)。我们提出了神经启发稳定性-可塑性适应 (NISPA) 架构,通过固定密度的稀疏神经网络解决这些需求。NISPA 形成稳定的路径来保存从旧任务中学到的知识。此外,NISPA 使用连接重新布线来创建新的可塑性路径,以便在新任务上重用现有知识。我们对 EMNIST、FashionM-NIST、CIFAR10 和 CIFAR100 数据集的广泛评估表明,NISPA 的表现明显优于具有代表性的最先进的持续学习基线,并且与基线相比,它使用的可学习参数减少了十倍。我们还认为稀疏性是持续学习的必要因素。NISPA 代码可在 https://github.com/BurakGurbuz97/NISPA 上找到
海冰和冰的融化不仅有助于海平面上升,而且还会改变水温度的盐度,影响调节地球气候的全球海洋循环模式。频繁和全球覆盖范围,卫星提供了地球冰冻圈的最佳信息来源。卫星还提供了整体研究极地区域的最佳手段,从而精确地测量了冰的程度和厚度。