@techreport{oai:ipsj.ixsq.nii.ac.jp:00218647,
 author = {村田, 健悟 and 伊東, 聖矢 and 大原, 剛三 and Kengo, Murata and Seiya, Ito and Kouzou, Ohara},
 issue = {17},
 month = {Jun},
 note = {近年，実世界での画像分類モデルの運用のため，時間の経過とともに分類対象クラスが増加する継続学習シナリオについて，深層学習モデルを対象としたさまざまな学習手法が提案されている．これらの手法は，破滅的忘却と呼ばれる，新規学習クラスに対する最適化により生じる既学習クラスに対する識別能力が完全に消失する現象を緩和する効果を持つことが知られている．しかし，忘却の緩和がどのようなメカニズムで達成されているかについては，依然として不明瞭な点が多い．本研究では，継続学習手法の学習特性を明らかにするため，ネットワークの表現空間における分類容易性の評価に基づく分析手法を提案する．本稿では，2 種類の代表的な継続学習手法を対象とした分析を通し，提案分析手法の有効性を示す．},
 title = {表現空間における分類容易性の評価に基づく継続学習分析手法の提案},
 year = {2022}
}