传统的知识多表现为结构化的信息，例如知识图谱中的三元组表示的是实体与实体之间的关系信息。因此，这些传统的知识是易被人们理解和学习的，并且能被使用于很多专家系统中以提高其完成任务的能力。近些年来，随着深度学习（Deep Learning，DL）时代的到来，人工智能领域取得了长足的发展和进步，利用深度神经网络模型从数据中自动学习完成任务成为一种新的范式。如果把人工智能领域中的知识看作完成任务所需要的信息，那么一个神经网络模型通过学习从而完成某个任务的过程就是从数据中学习知识的过程。不同于传统的知识，这种存储在神经网络模型中的知识是连续的，它由模型的参数及其架构决定，一般难以被人理解。鉴于此，这种从数据中学习获取，存储于神经网络模型中的知识又称为连续型知识。
此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 神经网络连续知识的持续学习简介