Caratteristiche visive multiscala migliorano l'apprendimento continuo nell'IA evolutiva

Un nuovo studio introduce caratteristiche strutturali multiscala per il riconoscimento visivo all'interno di un framework di apprendimento evolutivo e senza gradiente. Il framework, che apprende modelli topologici discreti attraverso variazione e selezione locale, supporta intrinsecamente l'apprendimento continuo senza buffer di replay o confini di compito. I lavori precedenti sul riconoscimento delle forme erano limitati dall'espressività delle caratteristiche; la nuova codifica cattura bordi, contorni e relazioni spaziali su diverse scale, migliorando l'accuratezza pur mantenendo comprensibilità e riutilizzo della conoscenza. L'articolo è disponibile su arXiv.