Order-Robust Class Incremental Learning: Graph-Based Dynamic Similarity Grouping
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
该研究提出了一种顺序稳健的类增量学习模型,解决了类相似性顺序对模型性能的影响。通过图驱动的动态相似性分组方法,提升了模型的泛化能力和抗遗忘能力,实验证明其在准确性和防遗忘性能上表现优异。
🎯
关键要点
- 该研究提出了一种新的顺序稳健模型,解决类增量学习中的顺序敏感性问题。
- 模型通过图驱动的动态相似性分组方法,提升了泛化能力和抗遗忘能力。
- 实验证明该模型在准确性和防遗忘性能上表现优异。
➡️