Системы машинного обучения должны адаптироваться, чтобы удовлетворить эти новые примеры, не забывая, что они уже узнали. Если модель машинного обучения не адаптируется, его производительность может быть существенно затронуты. Эта способность учиться последовательно и постоянно вводя новые знания, не забывая предыдущие знания известны как "непрерывного обучения". Непрерывное обучение в области машинного обучения, которая пытается имитировать когнитивной системы человека. В этом видео освещаются непрерывного обучения через девять клипов:
непрерывный Обзор обучения. Это первое видео в серии знакомит непрерывного обучения и проводит сравнительный анализ человеческого разума с моделями машинного обучения.
Непрерывные Свойства Обучения. Это второе видео в серии определяет непрерывное обучение и знакомит с проблемой катастрофического Забывания (КФ) из-за степени различие между задачами, наряду с важностью обучения (Флорида).
Анализировать Память Непрерывных Методов Обучения. Это третье видео в серии объясняет наивные методы для непрерывного обучения, включая репетиции и псевдо-репетиция методы, основанные. Основная идея-использовать старые данные для обучения на новых данных
.Селективный Регуляризация Непрерывными Методами Обучения. Это четвертое видео в серии рассматриваются новейшие исследования по Селективному Регуляризации подходы и исследует различные функции потерь. Узнайте о трех подходов: эластичный консолидации Вес, узнав, что не забыть, и непрерывное обучение через Синаптическую разведки.
Знание Перегонка Непрерывным Методом Обучения. Это пятое видео из серии, покрывает основе перегонки знания подходов, где основная идея-сохранить ответы модели близко к старому оптимальные ответы при изучении новой задачи. Узнаете о двух подходах: учиться, не забывая и поэтапного изучения детекторов объекта,
непрерывные варианты использования обучения. Это шестое видео в цикле рассматриваются три сценария, где мы можем использовать непрерывное обучение для внедрения новых знаний в существующих системах: концепция адаптации Дрифт, поэтапного изучения класса (КСС), а также последовательное Multi-задачи обучения. Мы также покрываем различных архитектур, используемых для каждого из этих сценариев.
Непрерывное обучение и Tensorflow. Это седьмой ролик серии обеспечивает обзор Tensorflow, чтобы лучше понять пример непрерывного обучения в девятом видео.
Непрерывное обучение и водоснабжении. Это восьмой ролик серии объясняет Керрас, который является открытым исходным кодом высокого уровня нейронная сеть API. Мы покрываем как функциональные, так и последовательный Интерфейсы и покажу, как создать пользовательские функции потерь в водоснабжении. Это Введение в Керрас поможет вам лучше понять пример непрерывного обучения в девятом видео
.Постоянное Обучение На Практике. Это девятое видео в серия включает в себя подробный пример непрерывного обучения с использованием Tensorflow и водоснабжении для выполнения выборочного Регуляризации и дистилляции знания, и произвести точности производительности участков. Мы закончим этот видео ряд с обсуждения будущей работы в непрерывном обучении.

DOWNLOAD






turbobit

---