关键词federated class-incremental learning
搜索结果 - 3
- FedProK: 基于样本原型特征知识迁移的可信联邦增量学习
Federated Class-Incremental Learning (FCIL) aims to improve trustworthiness by transferring knowledge using FedProK, a m - CVPR文本增强的无数据联邦类增量学习方法
利用预训练语言模型生成的标签文本嵌入(LTE),通过在模型训练阶段将样本嵌入约束在这些锚点周围,丰富了周围区域的有意义信息,从而更好地解决了遗忘问题。同时,引入了边界损失以保留样本嵌入的灵活性,减少异构联邦环境中的嵌入重叠,使得 LANDE - 具有新类增强式自蒸馏的联邦增量学习
我们提出了一种新颖的联邦类增量学习方法(FCIL),命名为具有新类增强的自我蒸馏(FedNASD)。FedNASD 通过将当前模型推断的新类分数与历史模型的预测相结合,基于过去和现在的知识,它在客户端上进行自我蒸馏,旨在实现从历史模型到当前