★ 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
#类增量学习
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
新研究：无离线阶段的持续学习回放方法
论文提出一种无需专门离线阶段的持续学习方法，通过隔离规则将重放更新限制在当前输入不可见的隐藏突触上，并配合不应期轮换规则扩大可巩固集合。在类增量 split-MNIST 上达到 91.6% 准确率，无需离线阶段即可媲美甚至超越最佳离线夜间调度方案。该机制不依赖局部学习规则，反向传播网络同样受益。
arXiv cs.LG34 天前
★ 2
REDAR 用强化学习自适应调节类增量学习正则强度
针对类增量学习固定正则系数与持续学习目标脱节的问题，论文提出 REDAR，将正则强度选择建模为序贯决策，由轻量强化学习智能体按阶段输出蒸馏系数。在 CIFAR-100 与 Tiny-ImageNet 上减少遗忘并提升前向迁移。
arXiv cs.LG7 天前
★ 2
蛋白质类增量学习基准：视觉CIL方法难以迁移
该论文对九种代表性类增量学习（CIL）方法在五种蛋白质编码器（序列、结构及序列-结构）和两个酶功能数据集上进行了受控基准测试，编码器保持冻结。结果显示没有方法能可靠跨编码器迁移，失败源于梯度稳定性信号弱、嵌入几何异质性大以及协方差假设容量不匹配。作者认为表示本身应被视为持续学习设计的核心组件，而非…
arXiv cs.LG18 天前
★ 2
回放该保留什么：可纠正偏差与类别对应
论文提出诊断框架，将缓存预测视为时间异质监督，区分存储时已知类别与后续学习类别。在 CIFAR-100 上发现删除后学类别匹配的大部分代价可通过任务级偏移纠正，而破坏类别对应的较小代价持续存在。
arXiv cs.LG26 天前