终身机器学习（Lifelong Mechine Learning）

背景

-数据爆炸式增长
-传统机器学习方法只关注小样本范围内的分类工作，对大数据环境缺乏适应能力。

人类学习过程

对外界环境保持感知，对感兴趣的信息保持关注；在大脑海马系统上，新知识在以往知识上被快速建立；经过长时间处理，在大脑皮质上形成长时记忆。

要点

1.维护可增长的知识库
2.按照一定顺序学习
3.多个任务
4.知识的正向迁移（旧知识帮助新知识的学习，迁移学习）

阶段

1.迁移知识（从知识仓库中选择对新模型学习有用的知识进行迁移，帮助新模型的学习）
2.知识仓库（存储学习到的有必要长期存储的知识，同时对存储数据有效的检索和再现能力）
3.模型学习（与知识仓库进行交互，利用迁移知识使新任务完成快速学习过程，并将新知识整合进原有的知识中）
4.整合知识（保证知识仓库能不断更新，使得在学习新任务时这些知识可以得到有效迁移）
5.引导学习（求解出合理的任务学习顺序从而提升系统的学习性能和效率）

参考文献

终身机器学习