研究人员推出TypiCore，这是一种新颖的混合主动查询策略，专为时间序列数据的类别增量学习而设计。该方法通过在固定预算下选择性地查询标签，解决了从无标签数据流中顺序学习新类别的挑战。TypiCore在典型性样本选择和多样性样本选择之间交替进行，以构建既有代表性又多样化的内存缓冲区。在基准数据集上的评估表明，TypiCore的性能显著优于现有方法，并且在使用的标签数量大大减少的情况下，达到了完全监督的持续学习性能。 AI
影响 这项研究为时间序列数据的持续学习提供了一种更具标签效率的方法，有可能降低实际应用中的标注成本。
排序理由 这是一篇详细介绍时间序列数据类别增量学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
