有一个神经网络训练好了，状态为A，假定能识别数字0-9
现在训练识别一个新的符号， 经过一系列训练，达到状态B

如何反向训练去掉新的变化，回到A？这是不是就是记忆擦除？有些难度，因为训练的时候产生随机的矩阵然后根据结果调整。擦除的时候，训练说这个符号不是原来说的那个，能多大程度回到原来的A状态？对以前的数字的识别有什么影响？
--
FROM 72.199.121.*

有意思的想法
【 在 bihai 的大作中提到: 】
: 有一个神经网络训练好了，状态为A，假定能识别数字0-9
: 现在训练识别一个新的符号， 经过一系列训练，达到状态B
: 如何反向训练去掉新的变化，回到A？这是不是就是记忆擦除？有些难度，因为训练的时候产生随机的矩阵然后根据结果调整。擦除的时候，训练说这个符号不是原来说的那个，能多大程度回到原来的A状态？对以前的数字的识别有什么影响？
--
FROM 101.204.52.*

嗯 存档太简单了 得扩展下
如何从一个训练好的神经网络中消除任意一条训练数据的影响?
但 网络本身就是模糊的，实用价值不大
逻辑上不知道有没有理论解答 输入数据，反向执行训练过程消除影响，感觉应该也很简单
【 在 bihai 的大作中提到: 】
: 有一个神经网络训练好了，状态为A，假定能识别数字0-9  
: 现在训练识别一个新的符号， 经过一系列训练，达到状态B  
:  
: 如何反向训练去掉新的变化，回到A？这是不是就是记忆擦除？有些难度，因为训练的时候产生随机的矩阵然后根据结果调整。擦除的时候，训练说这个符号不是原来说的那个，能多大程
: ..................

发自「今日水木 on M2102K1C」
--
FROM 222.129.37.*