原文:論文筆記系列-iCaRL: Incremental Classifier and Representation Learning

導言 傳統的神經網絡都是基於固定的數據集進行訓練學習的,一旦有新的,不同分布的數據進來,一般而言需要重新訓練整個網絡,這樣費時費力,而且在實際應用場景中也不適用,所以增量學習應運而生。 增量學習主要旨在解決災難性遺忘 Catastrophic forgetting 問題,本文將要介紹的 iCaRL: Incremental Classifier and Representation Learnin ...

2019-01-25 21:50 0 1252 推薦指數:

查看詳情

論文筆記系列-Neural Architecture Search With Reinforcement Learning

摘要 神經網絡在多個領域都取得了不錯的成績,但是神經網絡的合理設計卻是比較困難的。在本篇論文中,作者使用 遞歸網絡去省城神經網絡的模型描述,並且使用 增強學習訓練RNN,以使得生成得到的模型在驗證集上取得最大的准確率。 在 CIFAR-10數據集上,基於本文提出的方法生成的模型在測試集上得 ...

Sun Jul 22 03:11:00 CST 2018 0 1240
論文筆記:Deep Residual Learning

之前提到,深度神經網絡在訓練中容易遇到梯度消失/爆炸的問題,這個問題產生的根源詳見之前的讀書筆記。在 Batch Normalization 中,我們將輸入數據由激活函數的收斂區調整到梯度較大的區域,在一定程度上緩解了這種問題。不過,當網絡的層數急劇增加時,BP 算法中導數的累乘效應還是很容易 ...

Sun Jan 07 22:35:00 CST 2018 3 4048
論文筆記系列-AutoFPN

論文:Auto-FPN: Automatic Network Architecture Adaptation for Object Detection Beyond Classification 之前的AutoML都是應用在圖像分類或者語言模型上,AutoFPN成功地將這技術應用到 ...

Tue Dec 03 23:26:00 CST 2019 0 289
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM