Observational Learning
Associative Learning
Multi-input and Multi-variable systems
Generalization, Discrimination, and Extinction
Improving Translational Accuracy
Purposive 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。
本研究引入了一种双偏减框架,用于阶级增量学习 (CIL),避免存储旧数据. 该方法通过改进数据表示和分类器偏差来有效地减少遗忘,实现与数据依赖方法相比的性能.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: