BriefGPT - AI 论文速递
·
NAPA-VQ: 基于向量量化的邻域感知原型增强用于持续学习
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种新的框架NAPA-VQ，解决类重叠和决策边界判别性的问题。实验证明NAPA-VQ优于现有的NECIL方法。
🎯
关键要点
- 非样本类增量学习方法在解决前向和后向遗忘问题上取得了重要进展。
- 本研究提出了一种新的框架 NAPA-VQ。
- NAPA-VQ 通过学习特征空间中的拓扑关系来解决类重叠和决策边界判别性的问题。
- NAPA-VQ 生成具有代表性的旧类原型。
- 实验证明 NAPA-VQ 在准确性和遗忘性能方面优于现有的 NECIL 方法。
➡️
