搜索结果: 1-5 共查到“计算机科学技术 连续学习”相关记录5条 . 查询时间(0.1 秒)
中国科学院多尺度神经可塑性调制机制启发的类脑连续学习（图）
多尺度神经 神经网络 生物系统 人工智能
2023/9/2
人工智能迫切需要借鉴生物系统中的微观、介观、宏观等多尺度神经可塑性融合计算机制，以便启发实现更加高效的类脑连续学习算法，消除人工神经网络由于采用反向传播（Backpropagation, BP）等人工学习方法而导致的广泛灾难性遗忘现象。生物系统中常见的多巴胺、5-羟色胺、血清素、去甲肾上腺素等神经调质物，往往经由特定的腺体释放（图1A），并远程弥散、投射到一定范围内的目标神经元群体，且根据调质浓度...
2022年6月27日下午，CSIG交通视频专委会连续学习前沿论坛通过线上会议的方式顺利召开，本次活动由中国图象图形学学会主办，CSIG交通视频专业委员会和哈尔滨工业大学承办，并分别在三个平台进行了在线直播（腾讯会议、CSIG视频号和蔻享学术）。
中国科学院微电子研究所等在忆阻器实现连续学习方面取得进展（图）
忆阻器 连续学习 人工智能技术
2022/9/14
近年来，以深度学习和神经网络为代表的人工智能技术，在人脸识别、自动驾驶、智慧城市和健康监测等领域迅速发展。然而，传统神经网络模型在处理多任务连续学习时面临灾难性遗忘问题，即神经网络在学习新任务时会遗忘已学到的知识，导致在执行先前任务时性能大幅下降。
中国科学院微电子研究所在忆阻器实现连续学习方面取得新进展（图）
忆阻器 连续学习 神经网络
2023/2/15
近年来，以深度学习和神经网络为代表的人工智能技术在人脸识别、自动驾驶、智慧城市和健康监测等多个领域迅速发展。但传统神经网络模型在处理多任务连续学习时将会面临灾难性遗忘问题，即神经网络在学习新任务时会遗忘已经学到的知识，导致在执行先前任务时性能大幅下降。
中国科学院自动化研究所脑网络组研究中心与模式识别国家重点实验室团队提出正交权重修改算法，与情境信息处理模块相结合，使人工神经网络具备了强大的连续学习和情境依赖学习能力，有效解决灾难性遗忘等难题。相关成果已在线发表于Nature Machine Intelligence。