摘要
持续学习已成为机器学习领域的热点话题。近期研究发现了一种称为“可塑性丧失”的现象，即神经网络逐渐失去学习新任务的能力。然而，现有研究大多依赖于人为设计的突变任务转换场景，这往往无法反映真实世界环境。本文提出研究一个逐渐变化的环境，并通过输入/输出插值和任务采样进行模拟。通过理论和实证分析，我们表明可塑性丧失是环境突变任务变化的结果，并且如果世界变化是渐进的，这种现象可以得到显著缓解。
AI 推荐理由
论文探讨了神经网络在渐变环境中的可塑性变化，涉及持续学习和适应能力，与自我进化相关。
论文信息