BriefGPT.xyz
Ask
alpha
关键词
domain-incremental learning
搜索结果 - 4
无需演练的联邦领域增量学习
我们引入了一种无需复习的联邦域增量学习框架 RefFiL,基于全局提示共享范式,以缓解联邦域增量学习中的灾难性遗忘挑战,不需要额外的内存空间,适用于隐私敏感和资源受限设备。
PDF
a month ago
基于聚类的领域增量学习
通过使用基于在线聚类的方法解决连续学习中的灾难性遗忘问题,成功地应用于域增量学习,并展示了这种方法在真实数据集上的有效性及与最先进方法的优越性能。
PDF
10 months ago
CVPR
TADIL:通过使用 Transformer 最近中心嵌入进行任务 ID 推断的任务无关域增量学习
本研究提出了一种新的无监督域增量学习识别任务的流程,该流程包括从原始数据中获取基础嵌入,根据它们与每个聚类中心的相似度获取最近的点,使用这些点训练增量任务分类器,并通过任务分类器和漂移检测器设计了一种算法来决定何时在线学习新任务。
PDF
a year ago
自然而然地学习在各种天气条件下逐步驾驶
提出了一种基于领域增量学习的解决方案 (Domain-Incremental Learning through Activation Matching, DILAM),通过无监督特征对齐,将预训练模型适应于不同的天气条件,存储不同天气条件下
→
PDF
a year ago
Prev
Next