增量学习模型研究

本项目研究基于涌现理论的增量学习模型的最优泛化能力和容错能力，从数学上证明，若各个模块具有最优的泛化能力（局部最优），那么由最大化和最小化涌现规则进行模块集成所产生的系统也具有最优的泛化能力（全局最优），给出保证模型最优泛化能力的实现方法，从理论上分析模型的容错能力，给出在保证容错能力的前提下修剪冗余模块的算法，通过解决实际的大规模文本分类问题验证模型的有效性，并与批量学习方式进行比较研究。本项研究对开拓新的机器学习理论、开发实用的增量学习系统和研究仿脑计算机都具有重要的意义。