TS-ACL

新的TRACE框架提供内存高效的时间序列学习

开发了一个名为TRACE 的新框架，用于时间序列类增量学习（TSCIL），解决了在严格的内存和隐私限制下，适应新数据类别而不忘记先前类别所面临的挑战。TRACE 通过利用生成模型，特别是紧凑的时域-谱表示和轻量级的特定类别自编码器，来捕获和保留知识，从而采用了一种无重放的方法。与现有的分析基线相比，这种方法避免了灾难性遗忘，并显著减少了内存使用，实验表明在 GrabMyo 等基准测试中内存使用量大幅减少，准确性也有所提高。