OOD-CL

新的持续学习分布外检测框架利用KAN

研究人员开发了一个新的持续学习分布外检测（OOD-CL）框架，该框架解决了在不遗忘的情况下学习顺序任务以及在无法访问过去数据的情况下识别未知样本的挑战。该方法受Kolmogorov-Arnold Networks（KAN）的启发，利用一种称为TA-KAN的任务自适应分类器来减轻近期偏差并提高数据可分离性。此外，还引入了一种几何引导的OOD分数，该分数在不需要过去分布内数据的情况下补充了分类器的置信度，从而在OOD-CL中取得了最先进的结果。