BriefGPT - AI 论文速递
·
利用类别分布的异质性在免范例持续学习中进行优化
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种适用于课程增量学习的各向异性马氏距离方法，相比以往方法，该方法在特征协方差关系建模方面更优，且在多样本和少样本课程增量学习设置以及域增量学习设置上具有广泛适用性。
🎯
关键要点
- 该研究提出了一种适用于课程增量学习的各向异性马氏距离方法。
- 该方法在特征协方差关系建模方面优于以往方法。
- 该方法在多样本和少样本课程增量学习设置以及域增量学习设置上具有广泛适用性。
- 使用冻结的特征提取器基于欧氏距离生成类原型并进行分类在非静态数据学习时表现不佳。
- 该方法在不更新主干网络的情况下，在多个标准连续学习基准上取得了最先进的结果。
➡️
