首页 > 其他分享 >荣登Nature! 持续学习(Continue Learning)取得最新突破

荣登Nature! 持续学习(Continue Learning)取得最新突破

时间:2024-11-11 15:45:52浏览次数:3  
标签:Learning Nature CL 持续 学习 Continue 塑性 Continual 方法

2024深度学习发论文&模型涨点之——持续学习

Nature发了一篇《Loss of plastisity in deep continual learning》

文章介绍了一种创新的算法——持续反向传播(Continual Backpropagation),该算法通过在每次迭代中随机重置一小部分较少使用的神经元来保持网络的塑性。这种方法通过不断引入多样性来维持网络的塑性和可变性,对于持续深度学习领域来说是一个重大突破。

作者Richard Sutton,作为强化学习领域的领军人物和权威,被誉为“强化学习之父”。他在人工智能领域的贡献涵盖了时间差分学习、策略梯度方法以及Dyna架构等多个方面。

小编整理了一些持续学习论文】合集,以下放出部分,全部论文PDF版扫码领取。

需要的同学公人人人号【AI创新工场】回复“CL”即可全部领取

论文精选

论文1:

【Nature】Loss of plasticity in deep continual learning

深度持续学习中的塑性丧失

作者:Shibhansh Dohare, J. Fernando Hernandez-Garcia, Qingfeng Lan, Parash Rahman, A. Rupam Mahmood, Richard S. Sutton

方法

  • 标准深度学习方法:使用经典的ImageNet数据集和强化学习问题来展示深度学习在持续学习设置中的塑性逐渐丧失。

  • 持续反向传播算法(Continual Backpropagation):一种变化的反向传播算法,通过持续随机重新初始化一小部分使用较少的单元来维持网络的多样性和塑性。

  • 损失塑性测试:通过在多个任务上训练和评估网络,测量网络在新任务上的学习能力,以评估塑性损失。

图片

创新点

  • 塑性损失现象:首次系统地展示了标准深度学习方法在持续学习设置中逐渐失去塑性,直到它们的学习效果不如浅层网络。

  • 持续反向传播算法:提出了一种新的算法,通过在每一步中重新初始化一小部分使用最少的单元,有效地维持了网络的塑性,即使在长期学习中也能保持学习性能。

  • 塑性损失的解决方案:通过实验表明,基于梯度下降的方法不足以维持深度学习的塑性,需要一个随机的、非梯度的组成部分来维持网络的变异性和塑性。

图片

论文2:

Computationally Budgeted Continual Learning: What Does Matter?

计算预算的持续学习:什么才是重要的?

作者:Ameya Prabhu, Hasan Abed Al Kader Hammoud, Puneet Dokania, Philip H.S. Torr, Ser-Nam Lim, Bernard Ghanem, Adel Bibi

方法

  • 计算预算限制:在每次时间步长中,对持续学习方法施加固定的计算预算,以模拟实际应用中的计算和时间限制。

  • 多种数据流设置:在数据增量、类别增量和时间增量设置中评估不同的持续学习策略。

  • 传统CL方法的性能比较:评估了包括采样策略、蒸馏损失和部分微调在内的各种传统CL方法在计算受限环境下的性能。

图片

创新点

  • 计算预算的现实考量:首次将计算预算作为持续学习研究的核心考量,更贴近实际应用场景。

  • 大规模基准测试:通过在两个大规模数据集上的实验,提供了对传统CL方法在计算受限环境下性能的全面分析。

  • 简化方法的有效性:发现在计算受限的持续学习中,简单的基于经验回放的方法(Naive)优于所有考虑的复杂CL方法,挑战了现有CL方法的有效性。

图片

论文3:

【CVPR】Boosting Continual Learning of Vision-Language Models via Mixture-of-Experts Adapters

通过专家混合适配器提升视觉-语言模型的持续学习能力

作者:Jiazuo Yu1, Yunzhi Zhuge1, Lu Zhang1,*, Ping Hu2, Dong Wang1, Huchuan Lu1 and You He3

方法

  • 动态扩展预训练CLIP模型:通过集成响应新任务的专家混合(MoE)适配器来动态扩展预训练的CLIP模型。

  • 分布判别自动选择器(DDAS):引入DDAS自动将输入分配给MoE适配器或原始CLIP,以分别处理分布内和分布外的输入。

  • 增量激活-冻结策略:在持续学习过程中,应用增量激活-冻结策略帮助专家学习任务内知识并鼓励任务间合作。

图片

创新点

  • 参数效率框架:提出了一个参数效率的持续学习框架,通过MoE适配器动态扩展架构,增强了模型的适应性和效率。

  • 增量激活-冻结策略:开发了MoE框架中的增量激活-冻结策略,使专家能够同时获取任务内知识和进行任务间合作。

  • 分布判别自动选择器(DDAS):设计了DDAS以自动子流分配,有效融合了抗遗忘和零样本转移能力在一个统一模型中。

图片

论文4:

A Comprehensive Survey of Continual Learning: Theory, Method and Application

持续学习全面综述:理论、方法与应用

作者:Liyuan Wang, Xingxing Zhang, Hang Su, Jun Zhu, Fellow, IEEE

方法

  • 基本设置:介绍了持续学习的基本公式化、典型场景和评估指标。

  • 理论基础:总结了持续学习的理论努力,包括稳定性-可塑性权衡和泛化性分析。

  • 代表性方法:提供了一个最新的详尽分类,分析了代表性方法如何实现持续学习的目标。

  • 实际应用:描述了这些方法如何适应实际应用中的特定挑战,如场景复杂性和任务特异性。

图片

创新点

  • 系统性总结:首次系统性地总结了持续学习的最新进展,包括理论、方法和应用。

  • 全面视角:提供了一个全面的视角,促进了对持续学习领域的后续探索。

  • 交叉方向前景:讨论了持续学习的当前趋势、跨方向前景和与神经科学的跨学科联系。

图片

标签:Learning,Nature,CL,持续,学习,Continue,塑性,Continual,方法
From: https://blog.csdn.net/2401_88556812/article/details/143601507

相关文章

  • 语义通信论文略读(七)Contrastive Learning-Based Semantic Communications
    ContrastiveLearning-BasedSemanticCommunications基于对比学习的语义通信·作者:ShunpuTang,QianqianYang,LishengFan,XianfuLei,ArumugamNallanathan,GeorgeK.Karagiannidis·所属机构:广州大学计算机科学与网络安全学院,浙江大学信息科学与电子工程......
  • 树状数组learning Day1识海社区打卡1st
    鉴于上次省赛的惨烈失败教训,狠狠加训,距离下次沈阳站还有两星期,再次感谢东北大学赐予的外卡机会,你知道的,东北大学一直是我的第二户籍所在地。今天到下星期周末为止估计都会持续更新树状数组和线段树相关的笔记。我的刷题顺序大概会按照[灵神提单](LC-Rating&Training)->codefor......
  • 【人脸伪造检测】Spatial-Phase Shallow Learning: Rethinking Face Forgery Detectio
    一、研究动机[!note]创新点:利用相位谱实现伪造检测,并且证明了卷积模型可以提取隐性特征。由于上采样是伪造模型的关键步骤,这篇论文通过相位信息检测上采样的伪影。对比之前的频率模型:F3-Net:通过离散余弦变换后的统计特征实现伪造检测二、检测模型可学习的知识点......
  • linux新增物理卷,扩容逻辑分区,出现WARNING: xfs signature detected on /dev/vdb at of
    linux新增物理卷出现WARNING:xfssignaturedetectedon/dev/vdbatoffset0.Wipeit?[y/n]:标识这个/dev/vdb磁盘已经从0位置被标记为xfs类型的文件系统报错解释:这条信息表示在设备/dev/vdb上检测到了XFS文件系统的签名。通常情况下,这可能意味着分区/dev/vdb已被......
  • 论文翻译 | Teaching Algorithmic Reasoning via In-context Learning
    摘要        大型语言模型(LLMs)通过扩大模型和数据规模,展现了不断增强的上下文学习能力。尽管取得了这一进展,LLMs仍然无法解决算法推理问题。尽管在提供最终答案的同时给出解释促进了在多步骤推理问题上的进一步改进,但Anil等人(2022年)指出,即使是简单的算法推理任务,比如......
  • 2024 nature| 基于motif(模体)的药物相互作用预测——采用局部和全局自注意力机制
    【声明:本文是采用模体结构和注意力机制进药物作用预测,抽象到理论可以看作在复杂网络上进行模体和结构的链路预测。文章出处如下】论文出处:https://www.nature.com/articles/s42256-024-00888-61.摘要:药物-药物相互作用(DDIs)是制药研究和临床应用中的重要问题,因为它们可能......
  • 控制语句,if,switch,for,while,do while,break和continue,随机数
    1.控制语句1.1if控制语句(1)if(条件){    代码块;}(2)if(条件){    代码块1;//满足条件执行}else{    代码块2;//不满足条件执行}(3)if(条件){    代码块1;}elseif(条件){    代码块2;}....else{    代码块n......
  • 【文献阅读】Multimodal feature learning and fusion on B-mode ultrasonography and
    题目:基于点门控深度网络的b型超声和超声弹性成像的多模态特征学习与融合诊断摘要:b型超声和超声弹性成像可用于前列腺癌(PCa)的临床诊断。两种超声(US)模式的结合使用计算机辅助可能有助于提高诊断性能。提出了一种基于多模态超声的计算机辅助诊断(CAD)技术。首先,从b型US图像和超声......
  • Nature Genetics | 基因组所周永锋团队建立葡萄全基因组选择育种体系
    葡萄是一种具有重要经济价值的多年生水果作物,可作为水果食用或作为酿造葡萄酒的原材料,已有逾万年的驯化历史[1],并且在驯化过程中积累了大量的有害突变[1-3]。由于育种周期长,育种性状的遗传学研究不深入,遗传转化体系不成熟,尚未广泛应用多组学与人工智能等革命性技术,葡萄的生物育种......
  • 总结一下break continue(c基础)
    Hi,mynameis36.适合对象c语言初学者 总结语言用色,个人强调用红色,注意为易错点,若有问题请告诉我谢谢。(建议通过目录观看)break;使用地点用于循环语句与switch语句中。功能直接跳出最近的一个循环语句或switch语句continue;使用地点用于循环语句中功能不执行co......