基于能量的生成回放缓解EqProp灾难性遗忘

论文用Hopfield网络自身生成回放样本缓解EqProp遗忘

资讯摘要

论文研究平衡传播（EqProp）训练的Hopfield网络在持续学习中的灾难性遗忘问题，提出能量生成回放策略EB-Gen，利用网络自身生成动力学，让单一模型同时充当分类器与回放样本生成器，无需外部数据缓冲或额外架构。作者在Split MNIST和Split CIFAR10类别增量设置下与FineTune、经验回放、生成回放、SRC及联合训练对比，报告平均准确率分别为75%和64%。

要点速读

1. 论文提出EB-Gen，通过松弛冻结的网络副本生成过去任务的伪样本进行回放
2. 在Split MNIST和Split CIFAR10上平均准确率分别为75%和64%
3. 作者称该方法在保持可塑性的同时提升了稳定性，且无需外部数据缓冲

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。