持续学习的综述: 理论、方法与应用(三:泛化分析)

前文连接:持续学习的综述: 理论、方法与应用(一)
前文连接:持续学习的综述: 理论、方法与应用(二:理论基础)

泛化分析

目前持续学习的理论研究主要是在增量任务的训练集上进行的,假设它们的测试集遵循相似的分布,候选解具有相似的泛化性。然而,由于学习多个任务的目标通常是高度非凸的,因此存在许多局部最优解,它们在每个训练集上的表现相似,但在测试集上的泛化性却有显著不同[313],[443]。对于持续学习,理想的解决方案不仅需要从训练集到测试集的任务内泛化性,还需要任务间泛化性,以适应其分布的增量变化。

在这里插入图片描述

相关推荐

  1. 机器学习理论方法应用实践

    2024-07-14 22:26:01       38 阅读
  2. 能力理解

    2024-07-14 22:26:01       27 阅读

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-07-14 22:26:01       66 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-07-14 22:26:01       70 阅读
  3. 在Django里面运行非项目文件

    2024-07-14 22:26:01       57 阅读
  4. Python语言-面向对象

    2024-07-14 22:26:01       68 阅读

热门阅读

  1. 【Lua】lua实现C# continue效果

    2024-07-14 22:26:01       17 阅读
  2. 探索TASKCTL和 DataStage 的ETL任务调度协同

    2024-07-14 22:26:01       17 阅读
  3. TCPDump协议分析工具

    2024-07-14 22:26:01       19 阅读
  4. 神领物流项目第二天

    2024-07-14 22:26:01       17 阅读
  5. 日记

    2024-07-14 22:26:01       22 阅读
  6. mmc-utils 的 MMC 测试工具

    2024-07-14 22:26:01       19 阅读
  7. docker

    docker

    2024-07-14 22:26:01      22 阅读