★ 3
选择性反向传播提升小样本类增量学习效率
针对小样本类增量学习（FSCIL）中稳定性、可塑性与算力的权衡，论文提出选择性反向传播（SBP），将梯度更新限制在预分配参数子集上，冻结旧知识并保留未来学习容量。SBP 在标准基准上性能强劲且训练时间接近朴素微调，并在跨域与 80 轮 ImageNet-1K 长流场景中保持优势。
arXiv cs.LG27 天前
#小样本学习
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
稀缺标签下的振动诊断振荡状态空间模型
研究者提出 DualRes，一种紧凑的振荡状态空间模型，融合两种互补的振动频谱视角，用于边缘设备上的机器故障诊断。编码器仅 3.9 万参数，在齿轮箱基准的七个标签预算中的六个达到最优，每类约 6 秒标注数据即比次优方法提升 16.1 个百分点 macro-F1。相比选择性状态空间基线，推理提速 1…
arXiv cs.LG39 天前
★ 2
图小样本增量学习的轻量塑性记忆框架
论文提出面向图小样本增量学习的轻量塑性记忆框架，核心是随时间演化的塑性记忆模块，持续更新扩展以容纳新类并保留旧知识。该模块采用演化微聚类结构动态更新类原型、子原型及其交互权重，并构建记忆驱动的元学习框架。在四个基准数据集上验证了其在稳定性与适应性间的优越平衡。
arXiv cs.LG40 天前
★ 2
小样本学习的核模块化判别分析框架
论文对核化线性主成分判别分析（KLPCDA）框架进行系统性跨域研究，刻画其方差保持、类间可分与类内紧凑三大目标的交互机制。作者在超光谱分类、机械故障诊断、医学诊断与人脸识别等小样本任务上分析七种变体，考察噪声、类不平衡与高维条件下的表现。研究给出不同数据特征下选择合适变体的实用指南，并保持低计算复…
arXiv cs.LG53 天前