Feb, 2025

在线弯曲感知重放:利用二阶信息进行在线持续学习

TL;DR本研究解决了在线持续学习(OCL)中传统方法在非平稳数据流中容易失效的问题,尤其是在任务转变后的不稳定性。提出的在线弯曲感知重放(OCAR)方法通过使用Fisher信息矩阵的K-FAC近似来加速优化,并在保持记忆的同时稳健地适应高维数据。实验证明,OCAR在持续学习的各个基准测试中均超过了当前最先进的方法,显示出其在学习过程中的高准确率。