اختبار مرتبط بالدليل · متوسط المستوى
التعلم المستمر ومسابقة النسيان الكارثية
مراجعة النسيان الكارثي، واللدونة المستقرة، وEWC، وإعادة التشغيل، وعائلات المهام، وحدود التعلم المستمر. التحقق من النطاق والافتراضات.
سؤال 1 من 8
ما هو "النسيان الكارثي"؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هو "النسيان الكارثي"؟
- عند تعلم مهمة جديدة، يؤدي ذلك إلى انخفاض حاد في الأداء في المهام التي تم تعلمها مسبقًا
- عندما ينفد النموذج من الذاكرة ويتعطل
- عندما يتم حذف بيانات التدريب عن طريق الخطأ
- عندما يرفض النموذج تقديم التنبؤات
- غالبًا ما تسمى المقايضة في قلب التعلم المستمر بما يلي:
- مقايضة التحيز والتباين
- معضلة الاستقرار واللدونة
- مقايضة السرعة والدقة
- مقايضة الاستكشاف والاستغلال
- ما الذي تفعله عملية توحيد الوزن المرن (EWC)؟
- يحذف الخلايا العصبية غير المهمة
- يضاعف معدل التعلم للمهام الجديدة
- يعاقب التغييرات في الأوزان المهمة للمهام التي تم تعلمها مسبقًا
- يخزن كل مثال التدريب السابق إلى الأبد
- كيف تحارب الأساليب المبنية على إعادة العرض النسيان؟
- عن طريق تجميد الشبكة بالكامل بشكل دائم
- باستخدام معدل تعلم أكبر
- عن طريق إزالة وظيفة الخسارة
- عن طريق تشذير الأمثلة القديمة المخزنة أو المولدة في التدريب الجديد
- كيف تقيد الذاكرة العرضية المتدرجة (GEM) تحديث التدرج أثناء تعلم مهمة جديدة؟
- إنه يعرض التدرج بحيث لا يؤدي التقريب من الدرجة الأولى إلى زيادة الخسارة في أمثلة المهام السابقة المخزنة
- فهو يستبدل جميع بيانات المهمة السابقة بأمثلة جديدة
- يقوم بتجميد كل معلمة لجميع المهام المستقبلية
- فهو يزيد من الأوزان التي كانت غير مهمة للمهام السابقة
- لماذا يؤدي الضبط الساذج لمهمة جديدة إلى النسيان؟
- ترتفع درجة حرارة وحدة معالجة الرسومات وتفسد الذاكرة
- يؤدي النسب المتدرج إلى نقل الأوزان المشتركة نحو المهمة الجديدة دون أي قيود للحفاظ على الأوزان القديمة
- تحتوي المهام الجديدة دائمًا على المزيد من البيانات
- يقوم النموذج بحذف الأوزان القديمة عمدا
- كيف يقوم iCaRL بتصنيف مثال اختبار بعد تعلم فصول متعددة؟
- من خلال استرجاع أقرب كلمة في مجموعة النص
- عن طريق اختيار الفصل الذي يحتوي على أكبر معلومات فيشر
- من خلال مقارنة متجه الميزات الخاص به مع الوسائل لكل فئة محسوبة من النماذج المخزنة
- من خلال إعادة تشغيل كل صورة تدريب عند الاستدلال
- لماذا يعتبر تقييم التعلم المستمر أكثر من قياس الدقة النهائية في أحدث مهمة؟
- دقة المهمة الجديدة هي المقياس الوحيد ذي الصلة
- تتم إزالة المهام القديمة من التقييم
- لا يمكن اختبار النموذج على مهام متعددة
- يجب أن تقيس الطريقة أيضًا الاحتفاظ بالمهام السابقة وقدرتها على تعلم مهام جديدة