In summary, in order to avoid sever

In summary, in order to avoid severe interference in long-term memory, new input must
be mixed with some approximation of the originally learned patterns. The better the
approximation, the less the interference. In the ideal case where the originally learned
patterns are still available for interleaved presentation, forgetting is eliminated altogether. As
we have seen, sometimes the original patterns are available (as in the case of “car” or “child”)
but, more often, internally generated approximations of the original patterns must suffice.
This paper presents an implementation of a long-term memory model that uses internally
generated pseudopatterns as the means of mixing old and new information. This model is
shown to be capable of effective sequential pattern learning and produces gradual forgetting
rather than catastrophic forgetting. The use of pseudopatterns to improve performance of
connectionist networks on catastrophic forgetting was first proposed by Robins (1995) and
their plausibility has been further explored in Frean & Robins (1996) and Robins (1996)

ผลลัพธ์ (ไทย) 1:

ในสรุป เพื่อหลีกเลี่ยงการรบกวนอย่างรุนแรงในระยะยาวหน่วยความจำ ป้อนข้อมูลใหม่ต้องสามารถผสมกับรูปแบบการเรียนรู้เดิมบางประมาณ ดีกว่าการประมาณ น้อยลงรบกวน ในกรณีห้องที่เรียนรู้เดิมรูปแบบจะยังคงพร้อมสำหรับการนำเสนอสอด ลืมตัดทั้งหมด เป็นเราได้เห็น บางครั้งรูปแบบเดิมอยู่ (เช่นในกรณีของ "รถ" หรือ "ลูก")แต่ บ่อย ต้องพอเพียงการสร้างขึ้นภายในประมาณรูปแบบเดิมเอกสารนี้นำเสนอการนำไปใช้ของรุ่นหน่วยความจำระยะยาวที่ใช้ภายในสร้าง pseudopatterns เป็นวิธีการผสมข้อมูลเก่า และใหม่ รุ่นนี้เป็นแสดงเป็นความสามารถในการเรียนรู้แบบต่อเนื่องมีประสิทธิภาพและผลิตผลค่อย ๆ ลืมแทนที่ลืมที่รุนแรง การใช้ pseudopatterns เพื่อเพิ่มประสิทธิภาพของเครือข่าย connectionist บนลืมรุนแรงถูกเสนอครั้งแรก โดย Robins (1995) และทางของพวกเขาได้ถูกเพิ่มเติมอุดม Frean และ Robins (1996) และ Robins (1996)

ผลลัพธ์ (ไทย) 2:

โดยสรุปเพื่อที่จะหลีกเลี่ยงการรบกวนอย่างรุนแรงในความทรงจำระยะยาวการป้อนข้อมูลใหม่จะต้องได้รับการผสมกับประมาณการของรูปแบบการเรียนรู้เดิมบางส่วน
ดีกว่าการประมาณที่น้อยกว่าการรบกวน ในกรณีที่ที่เหมาะที่เดิมได้เรียนรู้รูปแบบยังคงมีอยู่เพื่อนำเสนออินเตอร์ลี, ลืมจะถูกกำจัดออกไปโดยสิ้นเชิง
ในฐานะที่เราได้เห็นบางครั้งรูปแบบเดิมที่มีอยู่ (เช่นในกรณีของ "รถ" หรือ "เด็ก") แต่บ่อยขึ้นประมาณสร้างขึ้นภายในของรูปแบบเดิมจะต้องพอเพียง. บทความนี้นำเสนอการดำเนินการระยะยาว หน่วยความจำแบบที่ใช้ภายในpseudopatterns สร้างเป็นวิธีการผสมข้อมูลเก่าและใหม่ แบบจำลองนี้จะแสดงให้เห็นว่ามีความสามารถในการเรียนรู้ที่มีประสิทธิภาพของรูปแบบลำดับและผลิตลืมค่อยเป็นค่อยไปมากกว่าลืมภัยพิบัติ การใช้ pseudopatterns เพื่อปรับปรุงประสิทธิภาพของเครือข่ายใน connectionist ลืมภัยพิบัติได้รับการเสนอครั้งแรกโดยร็อบบินส์ (1995) และความน่าเชื่อถือของพวกเขาได้รับการสำรวจต่อไปในFrean และร็อบบินส์ (1996) และร็อบบินส์ (1996)

ผลลัพธ์ (ไทย) 3:

ในการสรุป , เพื่อหลีกเลี่ยงการรบกวนอย่างรุนแรงในหน่วยความจำระยะยาวใหม่ ป้อนข้อมูลต้อง
ผสมบางประมาณของเดิมได้เรียนรู้รูปแบบ ดีกว่า
ประมาณ น้อยกว่าการแทรกแซง ในอุดมคติ ที่แต่เดิมเรียนรู้
รูปแบบยังสามารถอัดเสนอลืมตัดออกทั้งหมด โดย
เราได้เห็นบางครั้งรูปแบบเดิมที่มีอยู่ ( เช่นในกรณีของ " บริการ " หรือ " เด็ก " )
แต่ , บ่อย , สร้างภายในการรูปแบบเดิมต้องพอเพียง .
กระดาษนี้นำเสนอการพัฒนาความจำระยะยาวแบบที่ใช้ภายใน pseudopatterns
ที่สร้างขึ้นเป็นเครื่องมือในการผสมเก่าข้อมูลใหม่ รุ่นนี้เป็นรุ่นที่
เป็นรูปแบบการเรียนรู้และความสามารถที่มีประสิทธิภาพ ซึ่งสร้างค่อยๆลืม
มากกว่าที่จะลืม การใช้ pseudopatterns เพื่อปรับปรุงประสิทธิภาพของเครือข่ายคอนเนคชันนิสต์ในหายนะ
ลืมเป็นคนแรกที่เสนอโดยโรบิน ( 1995 )
เหอะถูกสํารวจเพิ่มเติมใน frean &โรบินส์ ( 1996 ) และ โรบิน ( 2539 )