FlowGenesis：表征驱动的神经网络架构自组织

FlowGenesis以表征变化引导神经元增生与剪枝，使网络在训练中自适应调整架构，无需预设目标架构或单独搜索。图像和文本分类实验显示，不同初始规模的网络在各数据集上趋向相近的最终神经元数量范围，且预测性能相当。持续学习中，它减少后续任务分配的神经元和参数，准确率与任务增量设置下固定宽度的 Progressive Neural Networks 相当。