Interference and Decay
Woodward–Hoffmann Selection Rules and Microscopic Reversibility
Associative Learning
Understanding Memory
Observational Learning
Cognitive Learning
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
班级增量学习 (CIL) 面临着灾难性的遗忘. 一个新的平衡破坏-重建 (BDR) 模块通过平衡旧和新数据来缓解这一问题,改善AI模型中的知识保留.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: