Publication:

Estudio y comparación de algoritmos de aprendizaje incremental de clases

El aprendizaje continuo, en aprendizaje automático, es la habilidad del modelo de aprender nuevas tareas, clases y/o nuevas distribuciones de los datos sin olvidar los conceptos aprendidos anteriormente. Debido a la naturaleza del entrenamiento de los modelos de aprendizaje automático, basado en gradientes, se da un fenómeno conocido como olvido catastrófico, es decir, el modelo tiende a olvidar abruptamente información previamente aprendida al adaptarse a nueva información. En este trabajo se realizará un estudio y comparación de los algoritmos del estado del arte de aprendizaje continuo en situaciones de llegada incremental de clases.

Continual learning, in the machine learning field, is the ability of the model to learn new tasks, classes and/or new data distributions without forgetting previously learned concepts. Due to the nature of the training of machine learning models, based on gradients, a phenomenon known as catastrophic forgetting occurs, i.e., the model tends to abruptly forget previously learned information when adapting to new information. In this work, we will carry out a study and comparison of the state-of-the-art algorithms in continual learning in situations of class incremental learning.