>>163-166 > ニューラルネットワークが持つ欠陥「破滅的忘却」を回避するアルゴリズムをDeepMindが開発
> EWC ry 、そのデータがどれくらい重要なのかをスコア化 ry スコアに比例して記憶が上書きから保護される仕組 ry
> データが保護されるため、以前、学習した内容を上書きしたり、大きな計算コスト ry なく、新しいタスクを学習

http://rio2016.2ch.net/test/read.cgi/future/1476925488/949# Sukoaringu ( TyuukiKioku = Bunmyaku )
http://rio2016.2ch.net/test/read.cgi/future/1427220599/528#538#626#644#675-676# 597#599
> 644 : 643 2017/02/03(金) 08:50:41.34 ID:qVY5ajPD
> ry 候補は永続値 ry がしきい値を超えたら有効に機能するシナプスとなる。
> ry 用いられる規則は「ヘブの学習規則」35に似ている。
> 例えば、ある樹状突起セグメントがしきい値以上の入力
> を受け取ったためにセルがアクティブに ry シナプスの永続値を修正する。
>シナプスがアクティブであり、従ってセルがアクティブになることに貢献した場合、その永続値を増 ry

> 35 Hebbian learning rules。「細胞 A の軸索が細胞 B を発火させるのに十分近くにあり、

>675 : 673 2017/03/01(水) 06:47:38.78 ID:3+1CchsD
> 以下の変数とデータ構造が疑似コードで ry
> minOverlap
> 抑制ステップで処理対象となるべきカラムのアクティブな入力の最小の数52

>676 : 675 2017/03/01(水) 06:48:28.73 ID:3+1CchsD
> connectedSynapses(c)e
> potentialSynapses(c) の部分集合で、永続値がconnectedPerm以上のものからなる。
> permanenceInce
> 学習時にシナプスの永続値を増加させる増分値
> permanenceDece
> 減少値

> 52 あるカラムへのアクティブな入力がこの数以上であれば、抑制ステップで処理対象となる。