Глоссарий ИИ
Полный словарь искусственного интеллекта
Инкрементальное обучение
Парадигма обучения, при которой модель постоянно улучшается на основе новых данных без необходимости полного переобучения на исторических данных. Этот подход позволяет адаптироваться в реальном времени, сохраняя при этом ранее приобретенные знания.
Непрерывное обучение
Область искусственного интеллекта, направленная на разработку систем, способных последовательно обучаться множеству задач без полного сброса. Цель - создание адаптивных моделей, которые накапливают знания в долгосрочной перспективе.
Динамически расширяемые сети
Модели, способные динамически адаптировать свою архитектуру путем добавления новых блоков или слоев при появлении новых классов или задач. Это контролируемое расширение позволяет эффективно расти без ущерба для существующей производительности.
Методы на основе регуляризации
Семейство подходов, использующих штрафные члены в функции потерь для ограничения изменений важных весов. Эти методы идентифицируют и защищают критические параметры для производительности на предыдущих задачах.
Архитектурные методы
Стратегии непрерывного обучения, изменяющие структуру сети для размещения новых знаний без вмешательства в старые. Эти подходы включают динамическое расширение и выделение выделенных ресурсов для каждой задачи.
Методы на основе воспроизведения
Техники непрерывного обучения, использующие хранение и избирательное повторное использование прошлых данных для поддержания производительности. Эти методы различаются по стратегии отбора и повторной выборки запомненных примеров.
Поэтапное обучение задачам
Сценарий непрерывного обучения, где идентификатор задачи известен при выводе, что позволяет использовать маски или специфические подсети. Это упрощение облегчает разделение знаний между различными задачами.
Поэтапное обучение доменам
Парадигма, в которой классы остаются постоянными, но распределение данных постепенно меняется между задачами. Модель должна адаптироваться к новым доменам, сохраняя при этом способность распознавать все классы.
Обучение с инкрементным добавлением классов
Наиболее сложный сценарий, при котором новые классы постепенно вводятся без знания идентификатора задачи. Модель должна различать старые и новые классы, одновременно избегая забывания прошлых знаний.