[李宏毅-机器学习]终身学习 Life-long learning
用同一个模型能解决很多任务 knowledge retention 在task1上训练的model，在用于task2的训练后，发现在task1上的performance就下降了 让在新任务上学习到的参数，使得其与之前任务上得到的参数的距离不是很远，每个参数都有一个b来控制它的重要程度 knowledge transfer model expansion
相关文章
- 1. 【机器学习（李宏毅）】 1、Learning Map
- 2. 【机器学习】LifeLong Learning（终身学习）介绍
- 3. 【学习】《终身机器学习（Lifelong Machine Learning）》书籍下载
- 4. 李宏毅机器学习（2020，Spring） - Introduction
- 5. 李宏毅机器学习 Task1.1 Introduction
- 6. 李宏毅机器学习6
- 7. 机器学习李宏毅（1）
- 8. 李宏毅 机器学习 -2017- Gradient Descent
- 9. [李宏毅-机器学习]无监督学习 unsupervised learning
- 10. 李宏毅机器学习——Transfer learning迁移学习
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 【机器学习（李宏毅）】 1、Learning Map
- 2. 【机器学习】LifeLong Learning（终身学习）介绍
- 3. 【学习】《终身机器学习（Lifelong Machine Learning）》书籍下载
- 4. 李宏毅机器学习（2020，Spring） - Introduction
- 5. 李宏毅机器学习 Task1.1 Introduction
- 6. 李宏毅机器学习6
- 7. 机器学习李宏毅（1）
- 8. 李宏毅 机器学习 -2017- Gradient Descent
- 9. [李宏毅-机器学习]无监督学习 unsupervised learning
- 10. 李宏毅机器学习——Transfer learning迁移学习