保持意义的持续学习(MPCL) 这是的后续。 核心思想保持不变。 定位意义 MPCL认为,潜在表示通过对外界采取行动而获得了意义。 为了使连续学习在复杂的环境中易于管理并避免,含义必须随着时间的流逝而保持稳定。 这是MPCL背后的核心思想。 请注意,稳定性并不意味着闲置:只要可以在表示的计算范围之外继续满足其目的,就可以完善表示模型。 MPCL借鉴了内含的。 我希望MPCL可以帮助建立更多位置的人工代理,尽管它并不完全符合当前的体现/情境认知理论。 在我的情境认知版本中,意义是核心。 “含义”是与需要稳定的外界的联系。 传统上,程序员是要确定算法输入和输出的含义的,因为含义不会神奇地从