Key points are not available for this paper at this time.
يهدف التعلم التدريجي (CIL) إلى تدريب نموذج لتعلم فئات جديدة من تدفقات البيانات غير المستقرة دون نسيان الفئات القديمة. في هذه الورقة، نقترح نوعاً جديداً من النماذج الاتصال العصبي من خلال تخصيص ديناميات وحدات الأعصاب التي تتكيف مع سلوك الشبكات العصبية للتعلم التدريجي. في كل جلسة تدريب، يقدم آلية إشرافية لتوجيه توسيع الشبكة، حيث يكون حجم النمو متناسباً بشكل ضيق مع التعقيد الجوهري لمهمة جديدة قيد الوصول. هذا يبني شبكة قرب الحد الأدنى مع السماح للنموذج بزيادة سعته عندما لا يمكنه الاحتفاظ بشكل كافٍ بفئات جديدة. في وقت الاستدلال، يقوم بإعادة تنشيط وحدات الأعصاب المطلوبة تلقائياً لاسترجاع المعرفة ويترك الباقي غير نشط لمنع التداخل. نطلق على نموذجنا اسم AutoActivator، وهو فعال وقابل للتوسع. للحصول على رؤى حول ديناميات وحدات الأعصاب، نقوم بتحليل نظري لخاصية تقارب النموذج من خلال نظرية تقريب عالمي على تعلم التتابعات المكانية، والتي لم يتم استكشافها بشكل كافٍ في مجتمع التعلم التدريجي. تُظهر التجارب أن طريقتنا تحقق أداءً قويًا في التعلم التدريجي في إعدادات بدون تكرار وتوسيع الحد الأدنى مع هياكل خلفية مختلفة.
درس لي وآخرون (الثلاثاء) هذا السؤال.