研究者提出AMR持续学习方法

Siddhant Setia等作者提出一种名为 Affine Memory Replay（AMR）的持续学习方法，用于生物纳米机器按指定顺序交换分子编码信息的可靠序列内分子通信。该方法通过存储历史仿真样本，并在样本间插值与外推合成回放样本，在增量性能估计任务中同时回放真实与合成样本以正则化模型更新。 研究者称，实验显示 AMR 在顺序学习的多个估计任务上整体估计精度显著优于现有持续学习方法，并在中等训练成本下平衡记忆稳定性与学习可塑性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。