پژوهش

پژوهش: در یادگیری پیوسته، «وظیفه» ممکن است به سه سطح متفاوت اشاره کند

پیش‌چاپی در arXiv می‌گوید گزارش‌های یادگیری پیوسته اغلب روشن نمی‌کنند ویژگی‌هایی مانند شباهت داده‌ها یا ترتیب ارائه در کدام سطح تعریف شده‌اند.

۱ دقیقه مطالعه

یادگیری پیوسته بررسی می‌کند مدل چگونه دانش را از داده‌هایی که در گذر زمان دریافت می‌کند انباشته می‌سازد. در روش رایج، داده‌ها به وظیفه‌هایی تقسیم می‌شوند و مدل آن‌ها را یکی پس از دیگری می‌بیند. پژوهشگران می‌گویند تفسیر نتایج این فرایند به عواملی مانند شباهت بخش‌های داده، سرعت تغییر داده‌ها و ترتیب ارائه وابسته است؛ اما این عوامل می‌توانند به خود داده‌ها، تقسیم‌بندی اعمال‌شده یا یادگیرنده‌ای که داده‌ها را دریافت می‌کند مربوط باشند. این سطوح لزوماً بر هم منطبق نیستند و معمولاً مشخص نمی‌شود هر کمیت گزارش‌شده به کدام سطح اشاره دارد. نویسندگان می‌گویند این سطوح را از هم جدا کرده و مشخص می‌کنند هر ویژگی در کدام‌یک مقدار می‌گیرد. چکیدهٔ در دسترس جزئیات بیشتری از نتایج ارائه نمی‌کند.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست