NICOLA S EGURA KUNSAGI

新的DISCERN方法增强了增量机器学习的稳定性

研究人员开发了DISCERN，一种新颖的增量机器学习方法，解决了从训练模型中顺序删除数据类的挑战，同时不损害先前遗忘的信息或剩余类的完整性。DISCERN利用从每类参数化分布中采样的合成嵌入，在拟合各种潜在几何形状方面提供了灵活性，特别是对于Transformer架构。在MNIST、CIFAR-10和CIFAR-100等数据集上的评估表明，DISCERN在同时遗忘方面具有竞争力，在增量场景中具有卓越的稳定性，显著减少了遗忘类的重新出现。