科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的类增量学习方法多是采用存储数据或者扩展网络结构，但受内存资源限制不能有效缓解灾难性遗忘问题。针对这一问题，创新地提出基于脑启发生成式重放方法。首先，通过VAE-ACGAN模拟记忆自组织系统，提高生成伪样本的质量；再引入共享参数模块和私有参数模块，保护已提取的特征；最后，针对生成器中的潜在变量使用高斯混合模型，采样特定重放伪样本。在MNIST、Permuted MNIST和CIFAR-10数据集上的实验结果表明，所提方法的分类准确率分别为92.91%、91.44%和40.58%,显著优于其他类增量学习方法。此外，在MNIST数据集上，反向迁移和正向迁移指标达到了3.32%和0.83%,证明该方法实现任务的稳定性和可塑性之间的权衡，有效地防止了灾难性遗忘。
- 单位
