速く学ぶ、ゆっくり学ぶ：補完的学習システムに基づく一般的継続学習法

人間は絶えず変化する環境から継続的に学習することに優れているのに対し、深層ニューラルネットワークは破滅的忘却を示し、この点で課題が残っています。補完的学習システム（CLS）理論は、脳内の迅速な事例に基づく学習と遅い構造化学習の相互作用が知識の蓄積と保持に重要であることを示唆しています。ここでは、短期および長期の意味記憶を保持し、エピソード記憶と相互作用する新しい二重記憶経験再生（ER）法であるCLS-ERを提案します。我々の手法は、意味記憶と決定境界を整合させながら新しい知識を獲得する効果的な再生メカニズムを採用しています。CLS-ERはタスク境界を利用せず、データの分布に関していかなる仮定も行わないため、多用途で「一般的継続学習」に適しています。我々のアプローチは、標準的ベンチマークだけでなく、より現実的な一般的継続学習設定においても最先端の性能を達成しています。