背景
-数据爆炸式增长
-传统机器学习方法只关注小样本范围内的分类工作,对大数据环境缺乏适应能力。
人类学习过程
对外界环境保持感知,对感兴趣的信息保持关注;在大脑海马系统上,新知识在以往知识上被快速建立;经过长时间处理,在大脑皮质上形成长时记忆。
要点
1.维护可增长的知识库
2.按照一定顺序学习
3.多个任务
4.知识的正向迁移(旧知识帮助新知识的学习,迁移学习)
阶段
1.迁移知识(从知识仓库中选择对新模型学习有用的知识进行迁移,帮助新模型的学习)
2.知识仓库(存储学习到的有必要长期存储的知识,同时对存储数据有效的检索和再现能力)
3.模型学习(与知识仓库进行交互,利用迁移知识使新任务完成快速学习过程,并将新知识整合进原有的知识中)
4.整合知识(保证知识仓库能不断更新,使得在学习新任务时这些知识可以得到有效迁移)
5.引导学习(求解出合理的任务学习顺序从而提升系统的学习性能和效率)
网友评论