VALSE 2022-day2
报告1:深度连续学习 讲者:洪晓鹏(哈尔滨工业大学) 尽管深度学习在很多应用上都取得了成功,但大量研究表明,当对新的任务或类别进行学习时,深度神经网络往往会覆盖过去所学的知识,从而导致模型在历史任务上的性能严重下降,产生“灾难性遗忘”现象。因此,研究连续学习的理论、方法与技术,使深度学习模型可以像人类一样学习,在动态变化的环境中不断学习新知识的同时,避免灾难性遗忘旧知识,实现模型的可持续学习,是一个开放并极具挑战的科学问题,也是新一代人工智能系统的必备技能之一。洪教授重点介绍该领域的基础知识和代表性工作,并探讨最新研究进展、未来发展方向和典型应用。 洪教授针对深度神经网络在学习新任务新知识时的“ »