一种基于大脑神经突触记忆机制的面向开放世界连续学习方法

摘要

本发明公开了一种基于大脑神经突触记忆机制的面向开放世界连续学习方法，首先利用深度卷积神经网络建立感知模块，对当前视觉任务进行学习；其次，构建网络重组模块，在已训练好的模型上进行突触的修剪和强化，从而减少突触的连接和强化学习到的知识；最后，在学习新的视觉任务时对前面记忆进行巩固，通过其保护新任务的信息对前面任务的干扰。本发明在一个任务数据上训练完成后，重组模块会重新组织网络，修剪掉不重要的参数，提升参数的可塑性，同时为了保证当前任务的性能，通过强化重要的参数来巩固当前的知识，并更新网络；在学习新的任务时，通过保留原任务参数空间下的最大响应图来指导新任务学习，从而避免灾难性遗忘。