多任务学习
https://blog.csdn.net/laolu1573/article/details/78205180/
http://www.ebrun.com/20170725/239411.shtml
综合上述发现后，科学家提出了一种“弹性”权重整合（EWC）（Kirkpatrick等，2017），将神经科学的这些发现用于解决深层网络中连续学习的挑战。具体说，EWC找出那些对先前任务很重要的网络权重的子集，将这些参数锚定，减轻它们的学习率，从而实现继续学习（图1D）。这样，在不增加网络容量的情况下网络能够学习多个任务，权重在具有相关结构的任务之间实现了有效共享。以这种方式，EWC算法让深度强化学习网络支持大规模的持续学习。
论文---overcoming catastrophic forgetting in neural networks
https://blog.csdn.net/u010195841/article/details/69257897