抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
生涯学習は,逐次的な方法で複数の連続タスクを学習する問題であり,そこでは,以前のタスクから得られた知識が保持され,学習者の寿命にわたる将来の学習を支援するのに使用される。それは,それらの周囲に順応できるインテリジェント機械の開発に不可欠である。本研究では,教師なし生成モデリングに対する生涯学習アプローチに焦点を当て,ここでは,学習モデルに新しく観測された分布を連続的に組み入れた。過去のデータも過去のモデルも保持する必要なしに,これまでに見られたすべての分布を学習し保存することを可能にする,学生-教師の変分オートエンコーダアーキテクチャを通している。Bayes更新規則に触発された,新しいクロスモデル正則化器の導入を通して,学生モデルは,確率的知識貯蔵として作用する教師によって学習された情報を利用する。正則化器は,分布のシーケンスを学習するときに現れる破局的干渉の影響を低減する。MNIST,FashionMNIST,Permuted MNIST,SVHN,およびCeleb-Aの逐次バリアントに関する著者らのモデルの性能を検証し,著者らのモデルが逐次学習シナリオにおけるニューラルネットワークによって直面する壊滅的干渉の影響を緩和することを実証した。【JST・京大機械翻訳】