我有一个已经过一些数据集训练的神经网络。假设数据集最初有1万个数据点，现在又添加了100个数据点。我的神经网络有没有一种方法可以学习整个（更新的）数据集而无需从头开始训练？此外，灾难性干扰在这里适用吗？我知道灾难性干扰在NN尝试学习“新信息”时适用，但我不确定“更新（由于插入）信息”是否算作“新信息”。
最佳答案
确实，不幸的是，灾难性干扰（或遗忘）适用于您的情况。
但是深度学习有一个分支专注于该问题，称为Continual Learning。
我有一个已经过一些数据集训练的神经网络。假设数据集最初有1万个数据点，现在又添加了100个数据点。我的神经网络有没有一种方法可以学习整个（更新的）数据集而无需从头开始训练？此外，灾难性干扰在这里适用吗？我知道灾难性干扰在NN尝试学习“新信息”时适用，但我不确定“更新（由于插入）信息”是否算作“新信息”。
最佳答案
确实，不幸的是，灾难性干扰（或遗忘）适用于您的情况。
但是深度学习有一个分支专注于该问题，称为Continual Learning。