一种基于对抗增量聚类动态路由网络克服灾难性遗忘的方法

摘要

本发明公开了一种基于对抗增量聚类动态路由网络克服灾难性遗忘的方法，属于神经网络深度学习领域。本发明对多任务图像数据集进行扩展据预处理；基于抗增量聚类动态路由网络模型(SDN)搭建：基于CNN的原始胶囊网络模型、构建动态路由、原型竞争聚类(PCC)构建；结合预处理的数据训练得到初始精度进行参数跟网络的调整；第一个任务“记忆力”测试进行参数微调得到最终的模型。通过本发明的方法，神经网络就可以在保留原有的知识的基础上，连续学习新的任务，并且在学习任务的难度以及效率上比现有方法有很大提升。