#经验重放

新研究：无离线阶段的持续学习回放方法

论文提出一种无需专门离线阶段的持续学习方法，通过隔离规则将重放更新限制在当前输入不可见的隐藏突触上，并配合不应期轮换规则扩大可巩固集合。在类增量 split-MNIST 上达到 91.6% 准确率，无需离线阶段即可媲美甚至超越最佳离线夜间调度方案。该机制不依赖局部学习规则，反向传播网络同样受益。