This paper addresses an important c

This paper addresses an important concern about the consolidation of information in
long-term memory. It has been shown by a number of authors that many of the current
connectionist models of memory suffer from catastrophic forgetting. In order to avoid this
problem, connectionist networks in general, and backpropagation networks in particular, must
be trained in a highly implausible manner. When new patterns must be incorporated into an
already-trained network, all of the previously learned patterns must be available and must be
re-presented to the network along with the new patterns to be learned. If this is not done, the
previously learned patterns may be overwritten completely by the new patterns, resulting in
catastrophic forgetting of the old patterns. It is unrealistic to suppose that we can continually
refresh long-term memory with previously learned patterns. In many instances, these patterns
simply are not available or, if they are available, they are only encountered very occasionally.
(Think about how long it’s been since you last saw a live giraffe, and yet, you would still
recognize a giraffe without a moment’s hesitation.) And yet, in spite of this lack of memory
refreshing from actual instances in the world, we are able to maintain memory traces of these
instances, or at least, prototypes of them. The long and the short of the problem is that we
humans can do sequential learning; connectionist models cannot. And, unless the problem of
catastrophic forgetting in connectionist models is overcome, true sequential learning will
remain impossible

ผลลัพธ์ (ไทย) 1:

เอกสารนี้อยู่กังวลรวมของข้อมูลที่สำคัญหน่วยความจำระยะยาว มันได้ถูกแสดงตามจำนวนผู้เขียนที่จำนวนมากในปัจจุบันรุ่น connectionist จำประสบจากลืมรุนแรง เพื่อหลีกเลี่ยงปัญหานี้ปัญหา connectionist เครือข่ายทั่วไป และเครือข่าย backpropagation ต้องเฉพาะได้รับการอบรมอย่างไม่น่าเชื่อสูง เมื่อต้องรวมรูปแบบใหม่ในการอบรมแล้วเครือข่าย รูปแบบการเรียนรู้ก่อนหน้านี้ทั้งหมดต้องมี และต้องนำเสนอใหม่ไปยังเครือข่ายพร้อมกับรูปแบบใหม่ให้สามารถเรียนรู้ ถ้าไม่ทำเช่นนี้ การก่อนหน้านี้ รูปแบบการเรียนรู้อาจถูกเขียนทับทั้งหมด ด้วยรูปแบบใหม่ ในรุนแรงลืมรูปแบบเก่า จึงไม่คิดว่า เราสามารถอย่างต่อเนื่องฟื้นฟูความจำระยะยาว มีรูปแบบการเรียนรู้ก่อนหน้านี้ ในหลายกรณี รูปแบบเหล่านี้ก็ไม่มี หรือ จะมี พวกเขาจะเท่าพบมากในบางครั้ง(คิดนานแล้วเนื่อง จากล่าสุดเห็นยีราฟอยู่ ยัง คุณจะยังคงรู้จักยีราฟโดยไม่ลังเลของช่วงเวลา) และแม้ว่าการขาดหน่วยความจำได้ฟื้นฟูจากอินสแตนซ์ที่เกิดขึ้นจริงในโลก เราจะสามารถรักษาร่องรอยหน่วยความจำเหล่านี้อินสแตนซ์ หรือ น้อย แบบตัวอย่างของพวกเขา ยาวและสั้นของปัญหาอยู่ที่เรามนุษย์สามารถทำการเรียนรู้ตามลำดับ รุ่น connectionist ไม่ และ เว้นแต่ปัญหาลืมรุ่น connectionist รุนแรงคือ เอาชนะ เรียนรู้ลำดับที่แท้จริงจะคงเป็นไปไม่ได้

ผลลัพธ์ (ไทย) 2:

กระดาษนี้เน้นความกังวลที่สำคัญเกี่ยวกับการควบรวมกิจการของข้อมูลในหน่วยความจำระยะยาว มันแสดงให้เห็นโดยจำนวนของผู้เขียนว่าหลายคนในปัจจุบันรูปแบบของหน่วยความจำ connectionist ทุกข์ทรมานจากภัยพิบัติลืม
เพื่อที่จะหลีกเลี่ยงปัญหานี้ปัญหาเครือข่าย connectionist ทั่วไปและเครือข่าย backpropagation โดยเฉพาะอย่างยิ่งต้องได้รับการอบรมในลักษณะที่ไม่น่าเชื่อสูง เมื่อรูปแบบใหม่จะต้องถูกรวมเข้าไปในเครือข่ายอยู่แล้วผ่านการฝึกอบรมทั้งหมดของรูปแบบการเรียนรู้ก่อนหน้านี้จะต้องมีและต้องเสนอใหม่กับเครือข่ายพร้อมกับรูปแบบใหม่ที่จะเรียนรู้ ถ้าไม่ทำในรูปแบบการเรียนรู้ก่อนหน้านี้อาจถูกเขียนทับอย่างสมบูรณ์โดยรูปแบบใหม่ส่งผลให้ลืมความหายนะของรูปแบบเดิม มันจะไม่สมจริงจะคิดว่าเราอย่างต่อเนื่องสามารถฟื้นฟูความทรงจำระยะยาวกับรูปแบบการเรียนรู้ก่อนหน้านี้ ในหลายกรณีรูปแบบเหล่านี้ก็ไม่สามารถใช้ได้หรือถ้าพวกเขามีอยู่พวกเขาจะพบเพียงเป็นครั้งคราว. (คิดเกี่ยวกับระยะเวลาที่จะได้รับตั้งแต่ครั้งล่าสุดที่คุณเห็นยีราฟมีชีวิตอยู่และยังคุณจะยังคงรับรู้ยีราฟโดยไม่ต้องลังเลอยู่ครู่.) และยังทั้งๆที่ขาดหน่วยความจำนี้สดชื่นจากกรณีที่เกิดขึ้นจริงในโลกที่เราสามารถที่จะรักษาร่องรอยความทรงจำของเหล่านี้กรณีหรืออย่างน้อยต้นแบบของพวกเขา ยาวและระยะสั้นของปัญหาคือการที่เรามนุษย์สามารถทำตามลำดับการเรียนรู้; รุ่น connectionist ไม่สามารถ และเว้นแต่ปัญหาของลืมภัยพิบัติในรูปแบบ connectionist จะเอาชนะการเรียนรู้ลำดับที่แท้จริงจะยังคงเป็นไปไม่ได้

ผลลัพธ์ (ไทย) 3:

กระดาษนี้ที่อยู่ที่สำคัญความกังวลเกี่ยวกับการรวมของข้อมูลใน
หน่วยความจำระยะยาว มันได้ถูกแสดงโดยจำนวนของผู้เขียนที่หลายกระแส
แบบคอนเนคชันนิสต์ของหน่วยความจำประสบหายนะ ลืม เพื่อหลีกเลี่ยงปัญหานี้
, เครือข่ายคอนเนคชันนิ ์ทั่วไป และเครือข่ายแบบเฉพาะ ต้อง
ฝึกในลักษณะอย่างไม่น่าเชื่อเมื่อรูปแบบใหม่จะต้องรวมอยู่ในการฝึก
แล้วเครือข่ายทั้งหมดของก่อนหน้านี้ได้เรียนรู้รูปแบบจะต้องพร้อมและต้อง
Re เสนอเครือข่ายพร้อมกับรูปแบบใหม่ที่จะเรียนรู้ ถ้าไม่ทำ
เคยรู้ รูปแบบอาจจะถูกเขียนอย่างสมบูรณ์โดยรูปแบบใหม่ส่งผลให้
หายนะลืมรูปแบบเก่ามันไม่สมจริงที่จะคิดว่าเราสามารถยังคง
รื้อฟื้นความจำระยะยาวกับก่อนหน้านี้ได้เรียนรู้รูปแบบ ในหลายกรณี , รูปแบบเหล่านี้
เพียงแค่ไม่สามารถใช้ได้หรือถ้าพวกเขามีอยู่ พวกเขาจะพบมากในบางครั้ง .
( คิดเกี่ยวกับมันนานแค่ไหนแล้ว ตั้งแต่ครั้งสุดท้ายที่คุณเห็นอยู่ ยีราฟ และ คุณจะยังคง
รู้จักยีราฟโดยไม่ลังเล และยังทั้งๆที่มีการขาดหน่วยความจำ
สดชื่นจากจริงในกรณีนี้เราสามารถที่จะรักษาความทรงจำร่องรอยของกรณีเหล่านี้
, หรืออย่างน้อย ต้นแบบของพวกเขา ยาวและสั้นของปัญหาคือ ว่า เราสามารถทำแบบ
มนุษย์การเรียนรู้ รูปแบบคอนเนคชันนิ ์ไม่ได้ และนอกจากปัญหา
หายนะลืมในรูปแบบคอนเนคชันนิสต์จะเอาชนะการเรียนรู้ที่แท้จริงจะเป็นลำดับ
ยังคงเป็นไปไม่ได้