BriefGPT - AI 论文速递
·
利用新数据重现旧类别的无示范持续学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新颖的类别增量学习方法，通过引入基于对抗攻击的特征增强技术。该方法利用以前的知识，通过对抗攻击来增强任意目标类别的特征。实验结果表明，该方法在各种情况下都优于现有的类别增量学习方法，尤其在存储示例数量很少的情况下具有极小的存储空间。
🎯
关键要点
- 提出了一种新颖的类别增量学习方法。
- 引入基于对抗攻击的特征增强技术。
- 利用先前学习的分类器补充训练样本。
- 该方法通过对抗攻击增强任意目标类别的特征。
- 可以方便地融入现有的类别增量学习算法，无需架构修改。
- 实验结果表明该方法在各种情况下优于现有方法，尤其在存储示例数量很少的情况下。
➡️
