PIP: 针对联邦类增量学习的原型注入提示
原文中文，约500字，阅读约需1分钟。发表于：。Federated Class Incremental Learning (FCIL) 是一种针对灾难性遗忘和非独立同分布数据同时处理的新型持续学习（CL）方法。我们提出了一种名为原型注入提示（PIP）的无需回放的 FCIL 方法，并通过在服务器端进行原型注入、原型增强和加权高斯聚合的三个主要思想，显著提高了 CIFAR100、MiniImageNet 和 TinyImageNet...
联邦类增量学习（FCIL）是一种解决灾难性遗忘和非独立同分布数据的新方法。原型注入提示（PIP）方法通过注入和增强原型，并在服务器端聚合加权高斯，提升了在CIFAR100、MiniImageNet和TinyImageNet数据集上的性能。PIP在不同任务规模上表现出色，并且需要更少的本地客户端和全局迭代。PIP的源代码、基准代码和实验日志将在指定的URL上公开共享。
