【CNN】连续学习/持续学习，增量学习

1、简介

之后该博客mark连续学习相关工作

2、Panel

Panel嘉宾：

余山 (中国科学院自动化研究所)、李玺 (浙江大学)、王子磊 (中国科学技术大学)、孙干 (中国科学院沈阳自动化研究所)、刘宇 (大连理工大学)

Panel议题：

1. 连续学习、增量学习、终身学习的定义和目标是否是完全一致的？

2. 连续学习，特别是小样本连续学习，与元学习Meta learning在目标上的异同是什么，各自有什么应用的场景？

3. 目前大部分连续学习/增量学习方法仍依赖于完备的标注数据，请问在非监督或半监督学习条件下，是否有哪些可行的解决思路？

4. 当前不少连续学习/增量学习方法都或多或少地使用了旧类别的部分样本，请问基于replay的方法和不带有旧类exemplar的方法哪个才更是增量学习发展的主流？

5. 增量学习通常分为Task-incremental、domain-incremental以及class-incremental，它们的核心差异是什么？有没有其它的划分方式？

6. 目前的增量学习方法通常隐式地要求任务的性质差异或者domain shift不能太大，甚至假设所有类/样本都来自同一数据集，探索在真实场景中表现更稳健的算法可以从哪些角度研究？