English(EN) Understanding Imbalanced Forgetting in Rehearsal-Based Class-Incremental Learning

新论文解释类别增量学习中的不平衡遗忘

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-14 12:55

研究人员在类别增量学习中发现了一种称为不平衡遗忘的现象，即尽管采用了平衡的重演策略，但某些类别的遗忘程度却高于其他类别。一篇新论文提出了三个源自梯度分析的末层系数，用于预测和解释这种不平衡遗忘。其中一个代表自诱导干扰的系数，似乎是最强的预测因子，并受到新类别干扰的影响。 AI

影响为类别增量学习中的不平衡遗忘提供了机制性解释，并为模型改进指明了新方向。

排序理由该集群包含一篇详细介绍机器学习现象新分析的学术论文。[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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Rahman Attar · 2026-05-14 12:55

Understanding Imbalanced Forgetting in Rehearsal-Based Class-Incremental Learning

Neural networks suffer from catastrophic forgetting in class-incremental learning (CIL) settings. Rehearsal$\unicode{x2013}$replaying a subset of past samples$\unicode{x2013}$is a well-established mitigation strategy. However, recent results suggest that, despite balanced rehears…