replay-based methods | BriefGPT

关键词replay-based methods

搜索结果 - 11

AOCIL: 无示例分析型在线课堂增量学习，低时间和资源消耗
分析型在线课堂增量学习（AOCIL）是一个无需示例的方法，通过递归最小二乘法更新分析分类器（AC）实现高准确性、低资源消耗和数据隐私保护，能够处理 OCIL 情景。
PDF3 months ago
ACLInsCL：一种数据高效的连续学习范式，用于对大型语言模型进行微调并提供指导
在本研究中，我们提出了一种称为基于指令的连续学习（InsCL）的新范例，通过使用 Wassertein 距离计算任务相似性并基于此动态地回放先前的数据，实现了基于任务相似性的回放策略，同时引入了指令信息度量（InsInfo）来量化指令的复杂
PDF4 months ago
CORE：通过认知重播减轻连续学习中的灾难性遗忘
本文介绍了一种新颖的观点，以显著减轻连续学习中的灾难性遗忘，强调模型保持现有知识和吸收新信息的能力。我们提出了 COgnitive REplay (CORE) 的方法，包括自适应数量分配和质量导向数据选择这两个关键策略。该方法在 split
PDF5 months ago
增强回放的连续强化学习
RECALL 是一种重播增强方法，通过自适应规范化和旧任务的策略蒸馏，在新任务上增强普适性和稳定性，从而显著改善持续强化学习中灾难性遗忘的问题。在 Continual World 基准测试中，RECALL 的性能明显优于纯粹的完美记忆重播，
PDF8 months ago
HPCR: 基于整体代理的对照回放技术用于在线持续学习
在线连续学习（OCL）旨在通过对在线数据流的单次遍历来不断学习新数据，但通常会遭受灾难性遗忘问题。本文对基于回放的两种回放方式进行综合分析，并发现它们可以互补。基于此发现，我们提出了一种名为代理对比回放（PCR）的新型回放方法，该方法通过将
PDF9 months ago
CaT：带有图压缩的平衡渐进式图学习
连续图学习（CGL）旨在用以流式传入的图数据不断更新图模型。本论文提出了一种名为 “Condense and Train (CaT)” 的框架来解决 CGL 中存在的数据不平衡和历史分布近似问题，通过对新来的图进行精简并将其存入 “Cond
PDF10 months ago
神经辐射场的即时持续学习
神经辐射场是一种有效的新视点合成和三维场景重建方法。我们提出了一种连续学习框架，通过回放方法结合混合的显式和隐式场景表示来训练神经辐射场，从而在连续设置中优于先前方法的重建质量，并在速度上有数量级的提升。
PDF10 months ago
针对内存限制的在线持续学习流数据总结
通过将真实图片的训练特征提炼到更具信息量的样本中，保持训练梯度的一致性和与过去任务的关联性，我们提出了一种从流式数据中总结知识的方法 (SSD)，并进行了多次实验以支持其有效性，其中包括对限制性内存缓冲下连续 CIFAR-100 的性能提升
PDFa year ago
CVPR在在线连续学习中处理跨任务类别歧视
本文提出了一个新的优化目标和基于梯度调整方法的动态训练偏差方法，以解决回放方法在在线连续学习过程中的动态训练偏差问题，并在实验中取得了更好的结果，以解决跨任务类别辨别问题。
PDFa year ago
CVPR正则化二阶影响以实现连续学习
该研究提出了一种利用影响函数建立的框架，识别了回放缓冲区的二阶影响，从而提出了新的选择目标，以规范它们，并提出了一种有效的实现方法。在多个连续学习基准测试中进行的实验表明，该方法优于现有的最先进方法。
PDFa year ago
CVPRPCR：基于代理的对比回放用于在线类增量连续学习
本研究针对在线学习中的持续学习问题，提出了一种代理 - 对比重演（PCR）的新方法，通过解决不平衡问题和保持更快的收敛速度，有效缓解了历史知识丢失和忘记问题，并在三个真实数据集上实验验证了方法的有效性。
PDFa year ago