دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

بررسی چند روش برای دستیابی به یادگیری افزایشی با شبکه های عصبی

نویسندگان :

شایان محمدی¹

1- موسسه آموزش عالی توس

کلمات کلیدی :

یادگیری مادام العمر،فراموشی فاجعه بار،یادگیری افزایشی

چکیده :

یادگیری افزایشی یکی از موضوعات مهم در یادگیری ماشین است که هدف آن به‌روزرسانی مدل با داده‌های جدید بدون از بین رفتن دانش قبلی می‌باشد. این رویکرد در مقابل یادگیری سنتی قرار دارد که نیازمند دسترسی به کل داده‌ها به‌طور همزمان است. در سال‌های اخیر، روش‌های مختلفی برای پیاده‌سازی یادگیری افزایشی ارائه شده‌اند که می‌توان آن‌ها را به سه دسته اصلی تقسیم کرد: روش‌های همگن‌سازی که با محدود کردن تغییرات پارامترهای شبکه در هنگام یادگیری اطلاعات جدید، از فراموشی جلوگیری می‌کنند؛ روش‌های مبتنی بر پاسخ که از ذخیره یا بازسازی نمونه‌هایی از داده‌های قدیمی استفاده می‌کنند؛ و روش‌های مبتنی بر معماری پویا که ساختار شبکه را با ورود اطلاعات جدید گسترش می‌دهند. این مقاله به بررسی و مقایسه این سه رویکرد اصلی پرداخته و نقاط قوت و ضعف هر یک را تحلیل می‌کند. همچنین برخی از پیشرفت های نوین در معماری و الگوریتم های یادگیری افزایشی را بررسی می کند و در نهایت به بررسی چند نمونه از کاربرد های آن می پردازد.