Sep, 2021
联邦侦察:高效、分布式、分类增量学习
Federated Reconnaissance: Efficient, Distributed, Class-Incremental Learning
Sean M. Hendryx, Dharma Raj KC, Bradley Walls, Clayton T. Morrison
TL;DR在分布式客户端独立地学习新概念并高效地交流知识的计算机学习问题中,我们提出了一种评估框架和方法基线,比较了学习算法并发现原型网络是一种强大的方法,其对灾难性遗忘具有鲁棒性,并高效地合并新信息。我们证明,原型向量的在线平均是有效的客户端模型合并,每个类别只需要很少的通信开销,内存和更新时间而无需梯度学习或超参数调整。