PulseAugur
中
实时 19:13:09
English(EN) Non-Forgetting Knowledge Allocation with Bi-level Competition for Class-Incremental Learning

新方法解决增量学习中的知识遗忘问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员提出了一种名为“非遗忘分配与双层竞争”（NoFA-BC）的新方法，以增强具有预训练模型的类别增量学习（CIL）。该方法通过开发一种将分配器训练视为递归最小二乘问题的非遗忘分配器（NFA）来解决顺序学习中的知识遗忘问题。NoFA-BC还结合了双层竞争机制，包括任务内“赢家通吃”和任务间“后者居上”，以根据输入相关性优化适配器知识的分配。此外，还包含了一个稳定性增强过程，以提高在先前学习任务上的性能。 AI

影响 这项研究可能带来更强大的AI模型，使其能够在不丢失先前获得的知识的情况下学习新信息，从而提高其在动态环境中的适应性。

排序理由 该集群包含一篇详细介绍类别增量学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法解决增量学习中的知识遗忘问题

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xiang Tan, Run He, Yawen Cui, Mengchen Zhao, Yan Wu, Tianyi Chen, Huiping Zhuang, Xiaonan Luo, Guanbin Li ·

    Non-Forgetting Knowledge Allocation with Bi-level Competition for Class-Incremental Learning

    arXiv:2605.29592v1 Announce Type: new Abstract: Class-Incremental Learning (CIL) with pre-trained models (PTMs) aims to sequentially adapt PTMs to new categories without forgetting old knowledge. Built upon PTMs, existing adapter-based methods mainly train models via distinct tas…

相关实体

相关话题