Katastrofické zapomínání modelu

Catastrophic forgetting in machine learning

Katastrofické zapomínání nastává, když učení nové úlohy zhorší výkon modelu na dříve zvládnutých úlohách.

Při postupném přeučování mohou nové aktualizace přepsat parametry důležité pro starší znalosti. Projevu lze čelit například opakováním původních příkladů, oddělením adaptovaných parametrů nebo vhodnou kombinací úloh.