Im Bereich des maschinellen Lernens wird bei dem Training von neuronalen Netzen üblicherweise zwischen der Trainings- und Einsatzphase unterschieden. Ändert sich jedoch die Datenbasis bezüglich einer Domäne, so muss die Trainingsphase für ein neuronales Netz komplett neu durchgeführt werden und schon erlerntes Wissen wird dabei komplett ignoriert. Diese Arbeit beschäftigt sich mit alternativen Lernverfahren, wobei das Ziel darin besteht, das Lernen eines neuronalen Netzes effizienter bezüglich unterschiedlicher Parameter wie z. B. Trainingszeit oder benötigte Trainingsbeispiele zu gestalten.<ger>
