Обучение действиям человека на протяжении жизни посредством самоорганизующейся глубокой нейронной сети

Юлкова Виктория Михайловна, Шиловский Георгий Владимирович

Обучение в течение всей жизни является основополагающим в автономной робототехнике для приобретения и корректировки знаний с помощью опыта. Тем не менее, обычные глубокие нейронные модели для распознавания действий из видео не учитывают обучение на протяжении всей жизни, а скорее изучают пакет обучающих данных с заранее определенным количеством классов действий и образцов. Таким образом, существует необходимость в разработке обучающих систем, способных постепенно обрабатывать доступные сигналы восприятия и адаптировать их ответы с течением времени. В данной статье предлагаем вам рассмотреть самоорганизующуюся нейронную архитектуру для постепенного обучения классификации действий человека по видеопоследовательностям. Архитектура включает в себя растущие самоорганизующиеся сети, оснащенные рекуррентными нейронами для обработки изменяющихся во времени шаблонов. Метод использует набор иерархически организованных рекуррентных сетей для неконтролируемого изучения представлений действий с постоянно растущими пространственно-временными восприимчивыми полями. Обучение в течение всей жизни достигается с точки зрения нейронной динамики, основанной на предсказаниях, в которых рост и адаптация рекуррентных сетей определяются их способностью восстанавливать упорядоченные по времени входные последовательности.

Ключевые слова:обучение в течение всей жизни, распознавание действий, глубокое обучение без присмотра, самоорганизующиеся нейронные сети