基于伪回放的类别连续学习在增材制造中的在线新类别异常检测
原文中文，约200字，阅读约需1分钟。发表于：。本文提出了一种基于伪重播的增量学习方法，通过集成类别增量学习和基于过采样的数据生成，使机器学习模型能够在出现新类别异常时增量训练，并且提高了数据质量，验证结果在增材制造过程中非常有效，带来更多模型架构上的灵活性。
本文提出了一种无监督类增量学习方法，用于在无标签集上发现新类别。通过微调特征提取器和代理锚点，对样本进行旧类别和新类别的划分和聚类，并生成代表性类别向量以减轻灾难性遗忘。实验证明，该方法在真实场景下的细粒度数据集上优于现有技术手段。
