【目的】追踪深度神经网络模型在增量学习领域的研究进展,以解决灾难性遗忘问题为切入角度对相关方法进行归纳和整理,为未来的研究提供参考。【文献范围】以“增量学习”“持续学习”和“灾难性遗忘”作为关键词,在Web of Science、谷...
详细信息
【目的】追踪深度神经网络模型在增量学习领域的研究进展,以解决灾难性遗忘问题为切入角度对相关方法进行归纳和整理,为未来的研究提供参考。【文献范围】以“增量学习”“持续学习”和“灾难性遗忘”作为关键词,在Web of Science、谷歌学术、DBLP和CNKI等数据库中进行文献检索,共筛选出105篇代表性文献。【方法】首先详细介绍增量学习的定义、核心问题及其面临的挑战,再将现有增量学习方法分为基于正则约束、基于信息存储和基于动态网络三类,总结各类别的原理、优势及代表性方法。【结果】在统一的实验设置下,对主流增量学习方法进行评测,并开源代码。实验发现,基于正则约束的方法虽高效但难以完全解决遗忘问题;基于信息存储的方法性能受保留范例数量影响较大;基于动态网络的方法虽能有效避免遗忘,但增加了计算开销。【局限】主要针对深度神经网络的增量学习进行综述,未涉及非深度学习领域的增量学习技术。【结论】在理想条件下,基于信息存储和基于动态网络的方法相较基于正则约束的方法表现出更优越的性能,这两类方法的技术复杂性可能会限制其推广应用。现有增量学习方法与联合训练相比仍有不足,需在未来的研究中予以解决。
施肥是恢复和提升退化草地生产力的重要措施，但单次施肥在时间尺度上对高寒草地植被和土壤质量的影响仍不明确。旨在探究祁连山高寒区建植20年以上的多年生退化禾草混播草地在单次氮磷施肥后对植被和土壤理化性质的持续影响。采用随机区组试验设计，设置四个氮肥水平（N0:0 kg N/hm2、N1:50 kg N/hm2、N2:100 kg N/hm2、N3:200 kg N/hm2）和四个磷肥水平（P0:0 kg P2O5/hm2、P1:65 kg P2O5/hm2、P2:117 kg P2O5/hm2、P3:210 kg P2O5/hm2）,氮磷配施组合共16种处理。评估了施肥当年（2021年）和第三年（2023年）的草地生产力和土壤理化特性。结果显示，2021年，高氮水平（N3）显著提高地上生物量（AGB）,并增加了土壤有机质（SOM）、速效氮（AN）和速效磷（AP）含量；2023年，高磷水平（P2和P3）的AGB显著高于其他处理，并显著提升了AN、AP和全磷（TP）含量。氮肥、磷肥分别于AGB、SOM、AN显著相关；磷肥还与AP和TP显著相关；氮磷交互显著影响SOM和全氮（TN）含量；年际分别与AGB、SOM、AN显著相关。2021年，氮肥和磷肥对所有指标均有促进作用；2023年磷肥对AGB、SOM和TN仍有显著促进作用，而氮肥效果不显著，表明磷肥的遗留效应大于氮肥。结构方程模型显示，氮肥对2021年AGB有直接影响，磷肥显著影响2023年AGB,并通过AP等间接提高地下生物量（BGB）。综上，施肥当年氮肥占主导作用，高氮中磷（200 kg N/hm2和117 kg P2O5/hm2）模式效果最佳；施肥第三年磷肥的肥效仍在发挥作用，低氮高磷（50 kg N/hm2与117和210 kg P2O5/hm2）配施的持续效果更好。综合生态与经济效益，单次高磷与低氮配施可发挥施肥的增产作用和更稳定持续的遗留效应。本研究结果可为高寒地区退化禾草混播草地培育复壮实践提供重要参考。
暂无评论