10:11官方账号arXiv cs.LG@Siphesihle Sithungu该研究提出一种基于结构亲和力的深度人工免疫网络(Deep AIN),用于无回放的视觉类增量学习。模型将视觉B细胞形式化为结构化模板,包括平移模板亲和力、零归一化互相关(ZNCC)滤波器和特征图绑定配置文件。在sklearn digits、MNIST、Fashion-MNIST和KMNIST数据集上的实验表明,保留响应图至关重要。特征图Deep AIN在sklearn digits上达到0.939的最终平衡准确率,在Fashion-MNIST上达到0.814,在KMNIST上达到0.853。论文Deep AIN人工免疫网络类增量学习推荐理由:这篇论文提出了一种新的深度人工免疫网络,用结构化亲和力替代传统扁平向量,在MNIST等数据集上实现了不错的无回放增量学习效果,还分析了关键机制,挺有意思的。原文稍后读已读值得跟进有用关注 Deep AIN
13:14官方账号Physical Intelligence@physical_int精选Physical Intelligence 为其机器人模型开发了一套记忆系统,结合了短期视觉记忆和长期语义记忆。该系统使机器人能够执行复杂的长任务,如清理厨房或从头制作烤奶酪三明治。这一突破解决了机器人长期任务执行中的记忆瓶颈,提升了自主性和实用性。AI模型机器人记忆系统Physical Intelligence推荐理由:机器人团队终于有了实用的记忆方案——短期视觉+长期语义让机器人能完成厨房清理、做三明治等长任务,做机器人开发的建议点开看看。原文稍后读已读值得跟进有用关注 机器人