either reducing the overlap of hidd

either reducing the overlap of hidden unit representations, or
rehearsing old items as new items are learned (see Frean and
Robins [1997] for a brief review). Rehearsal based methods
are the most directly effective, with “broad but shallow”
rehearsal regimes (rehearsing many old items as each new
item is introduced but not necessarily training them to
criterion) producing particularly good results. Using such a
regime we can solve the catastrophic forgetting problem
shown in Fig. 1(b) and learn a function that fits both the old
population and the new item data points. The obvious
limitation of rehearsal based methods, however, is that they
require access to the population on which the network was
originally trained. This may be impractical [Sharkey and
Sharkey, 1995], particularly in the case of possible cognitive
mechanisms. In any case, retaining old items for rehearsal in
memory seems somewhat artificial, as it requires that they be
available on demand from some other source, which would
seem to make the memory itself redundant!

ผลลัพธ์ (ไทย) 1:

การลดการทับซ้อนซ่อนหน่วยแทน หรือทำการทดสอบรายการเก่าเป็นสินค้าใหม่ที่จะเรียนรู้ (ดู Frean และRobins [1997] สำหรับสรุปย่อ) ซ้อมตามวิธีโดยตรงมากที่สุด มีประสิทธิภาพกับ "กว้าง แต่ตื้น"ระบอบซ้อม (ทำการทดสอบรายการเก่ามากเป็นแต่ละใหม่สินค้าเป็นที่รู้จักแต่ไม่จำเป็นต้องฝึกอบรมให้เกณฑ์) producing อย่างยิ่งผลลัพธ์ที่ดี ใช้เช่นการเราสามารถแก้ปัญหา forgetting รุนแรงระบอบแสดงใน Fig. 1(b) และเรียนรู้ฟังก์ชันที่เหมาะกับทั้งเก่าประชากรและจุดข้อมูลสินค้าใหม่ เห็นได้ชัดข้อจำกัดของวิธีการซ้อมตาม อย่างไรก็ตาม ว่าพวกเขาต้องเข้าถึงประชากรที่มีเครือข่ายฝึกอบรมเดิม นี้อาจเป็นไปได้ยาก [Sharkey และSharkey, 1995], โดยเฉพาะอย่างยิ่งในกรณีที่ได้รับรู้กลไกการ การเก็บรักษา สินค้าเก่าสำหรับซ้อมในหน่วยความจำดูเหมือนค่อนข้างเทียม ตามที่พวกเขาจะต้องมีความต้องการจากแหล่งอื่น ซึ่งจะดูเหมือนจะ ทำให้หน่วยความจำตัวเองซ้ำ

ผลลัพธ์ (ไทย) 2:

ทั้งการลดการทับซ้อนของการเป็นตัวแทนหน่วยที่ซ่อนอยู่หรือซ้อมรายการเก่าเป็นรายการใหม่ที่มีการเรียนรู้ (ดู Frean และร็อบบินส์[1997] สำหรับความคิดเห็นสั้น ๆ ) การฝึกซ้อมตามวิธีการที่มีประสิทธิภาพมากที่สุดโดยตรงด้วย "ในวงกว้าง แต่ตื้น" ระบอบการฝึกซ้อม (ซ้อมรายการเก่าใหม่เป็นจำนวนมากในแต่ละรายการเป็นที่รู้จักแต่ไม่ฝึกอบรมพวกเขาจำเป็นต้องเกณฑ์) การผลิตผลลัพธ์ที่ดีโดยเฉพาะอย่างยิ่ง การใช้ดังกล่าวเป็นระบอบการปกครองที่เราสามารถแก้ปัญหาภัยพิบัติลืมแสดงในรูป 1 (ข) และเรียนรู้ฟังก์ชั่นที่เหมาะกับทั้งเก่าของประชากรและจุดข้อมูลสินค้าใหม่ ที่เห็นได้ชัดข้อ จำกัด ของวิธีการฝึกซ้อมตาม แต่ที่พวกเขาต้องการการเข้าถึงประชากรที่เครือข่ายได้รับการฝึกฝนมาเป็น นี้อาจจะทำไม่ได้ [ชาร์กี้และชาร์กี้1995] โดยเฉพาะอย่างยิ่งในกรณีขององค์ความรู้ที่เป็นไปได้กลไก ในกรณีใด ๆ รักษารายการเก่าสำหรับการฝึกซ้อมในหน่วยความจำดูเหมือนเทียมบ้างตามที่ต้องการว่าพวกเขาจะมีความต้องการจากบางแหล่งข้อมูลอื่นๆ ซึ่งจะดูเหมือนจะทำให้หน่วยความจำของตัวเองซ้ำซ้อน!

ผลลัพธ์ (ไทย) 3:

การลดความซ้ำซ้อนของการเป็นตัวแทนหน่วยที่ซ่อนหรือ
ซ้อมเก่ารายการเป็นสินค้าใหม่ได้ ( ดู frean และ
[ 1997 ] โรบินเพื่อทบทวน ) การฝึกซ้อมตามวิธีการ
เป็นส่วนใหญ่โดยตรงประสิทธิภาพ กับ " กว้าง แต่ตื้น "
ซ้อม ( ซ้อมกันหลายรายการเก่าเป็นใหม่แต่ละรายการจะแนะนำแต่ไม่จำเป็น


ฝึกพวกเขา2 ) การผลิตผลลัพธ์ที่ดีโดยเฉพาะอย่างยิ่ง . ใช้เช่น
ระบอบ เราสามารถแก้ปัญหาภัยพิบัติลืม
แสดงในรูปที่ 1 ( B ) และได้เรียนรู้การทำงานที่เหมาะกับทั้งเก่าและใหม่
ประชากรรายการข้อมูลจุด ชัดเจน
ข้อจำกัดของการฝึกซ้อมตามวิธีการ อย่างไรก็ตาม คือ ว่า พวกเขาต้องการเข้าถึงประชากร

ที่เครือข่ายเดิมที่ได้รับการฝึกฝนนี้อาจเป็นเรื่องยากมากและ
[ Sharkey Sharkey , 1995 ] , โดยเฉพาะอย่างยิ่งในกรณีของกลไกการคิด
ที่สุด ในกรณีใด ๆ , การรักษารายการเก่าซ้อมใน
หน่วยความจำดูเหมือนว่าค่อนข้างประดิษฐ์ ตามที่ต้องการ พวกเขาจะพร้อมใช้งานบนความต้องการ
จากแหล่งอื่น ซึ่งจะทำให้ความทรงจำ
ดูเหมือนตัวเองมากเกินไปนะ