| 1 |
1
컴퓨터로 구현되는 학습 시스템에 의해 수행되는 최악 망각 현상 완화 방법에 있어서, 새로운 태스크가 입력됨을 수신하는 단계;상기 수신된 새로운 태스크를 샘플링 네트워크를 이용하여 학습을 수행할 태스크를 추출하기 위한 샘플링을 수행하는 단계; 및 상기 샘플링이 수행됨에 따라 추출된 태스크를 학습 네트워크에 입력하여 학습시키는 단계 를 포함하는 최악 망각 현상 완화 방법
|
| 2 |
2
제1항에 있어서,최악 망각 현상 완화를 위한 샘플링 네트워크 및 학습 네트워크를 구성하는 단계를 더 포함하고,상기 샘플링 네트워크는, 상기 학습 네트워크가 학습할 데이터를 추출하고, 상기 학습 네트워크는 상기 샘플링 네트워크를 통하여 샘플링된 태스크를 학습하는, 것을 특징으로 하는 최악 망각 현상 완화 방법
|
| 3 |
3
제1항에 있어서,상기 샘플링 네트워크는, 출력 사이즈(output size)가 1로 구성되고, 상기 샘플링을 수행하는 단계는,상기 샘플링 네트워크에서 출력값으로 상기 새로운 태스크의 각 데이터에 대한 점수를 산출하고, 상기 산출된 데이터에 대한 점수에 기초하여 데이터를 학습에 사용할 것인지 여부를 결정하는 단계 를 포함하는 최악 망각 현상 완화 방법
|
| 4 |
4
제3항에 있어서,상기 샘플링을 수행하는 단계는,상기 새로운 태스크를 상기 샘플링 네트워크에 입력하여 학습시킴에 따라 참조(reference) 과정을 수행하여 상기 새로운 태스크의 각 데이터가 학습 네트워크에 적용될 것인지 여부를 결정하여 학습할 데이터를 추출하는 단계를 포함하는 최악 망각 현상 완화 방법
|
| 5 |
5
제4항에 있어서,상기 샘플링을 수행하는 단계는,상기 새로운 태스크에서, 첫번째 태스크 및 마지막 태스크를 제외한 나머지 태스크로부터 상기 샘플링 네트워크를 통해 태스크를 다운사이즈(downsize)하는 과정을 수행하는 단계 를 포함하는 최악 망각 현상 완화 방법
|
| 6 |
6
제1항에 있어서,상기 샘플링 네트워크는, L2 정규화 손실(regularization loss)을 사용하고, 과적합을 완화시키기 위하여 L1 regularizer를 함께 사용하고, 상기 샘플링 네트워크가 상기 학습 네트워크의 가중치 분포를 반영하기 위하여 상기 학습 네트워크의 파라미터 셋이 손실 함수(Loss Function)에 추가된 것인, 최악 망각 현상 완화 방법
|
| 7 |
7
제1항에 있어서,상기 샘플링 네트워크는, 상기 샘플링 네트워크에서 새로운 태스크의 각 데이터와 점수를 이용하여 학습 네트워크의 파라미터에 기초하여 학습이 진행되는, 것을 특징으로 하는 최악 망각현상 완화 방법
|
| 8 |
8
제1항에 있어서,상기 학습시키는 단계는,상기 샘플링이 수행됨에 따라 추출된 태스크를 학습 네트워크에 입력하여 학습시킴으로써 학습 데이터의 양을 최소화하면서 최악 망각 현상을 완화하는 단계를 포함하는 최악 망각 현상 완화 방법
|
| 9 |
9
최악 망각 현상 완화를 위한 학습 시스템에 있어서, 새로운 태스크가 입력됨을 수신하는 수신부;상기 수신된 새로운 태스크를 샘플링 네트워크를 이용하여 학습을 수행할 태스크를 추출하기 위한 샘플링을 수행하는 샘플링 수행부; 및 상기 샘플링이 수행됨에 따라 추출된 태스크를 학습 네트워크에 입력하여 학습시키는 학습부를 포함하는 학습 시스템
|
