- 流式环境下的无监督连续学习
提出了一种无监督的深度自动聚类网络（ADCN）的构建方法，它结合了自动提取特征的层和自治的全连接层，通过重建损失进行自我进化和自我聚类，没有标记样本，能够在流式环境中完全自主地构造 ADCN 结构。
- IJCAITrafficStream: 基于图神经网络和连续学习的流式交通流预测框架
本文提出了一种基于图神经网络和持续学习的流式交通流预测框架 TrafficStream，通过交通模式融合方法和 CL 实现对具有扩展和发展模式的网络模型的高效学习，同时构建流式交通数据集进行验证，实验证明该模型在长期流场中高效提取交通模式的 - WWWMemStream: 基于内存的流式异常检测
本文提出了 MemStream，一种流异常检测框架，使用去噪自编码器和内存模块来检测和适应于不断变化的数据趋势，以应对流式数据中的异常情况和概念漂移，并通过实验结果证明其有效性。
- ICLR自监督预训练在流数据中的表现如何？
本文探讨了流式自监督预训练在序列学习下的效果，使用对 ImageNet 和 DomainNet 的四个类别的数据进行预训练，表明流式自监督预训练是联合预训练的有效替代方案，并解决了序列监督学习中常见的灾难性遗忘问题，实现了在实践中更广泛的应 - 流式图神经网络的持续学习
本文提出一种基于持续学习的流式 GNN 模型，通过信息传播和数据重放与模型正则化相结合，实现了对新模式和既有模式的同时维护，解决了历史知识被新知识覆盖的灾难性遗忘问题。在多个实验数据集上的节点分类结果表明，该模型能有效地更新模型参数并达到与 - PySAD：基于 Python 的流异常检测框架
PySAD 是一个用于流式数据异常检测的开源 Python 框架。该框架提供了一系列完整的工具，包括投影仪和概率校准器等，可用于设计异常检测实验，并基于 PyOD 和 scikit-learn 等流行开源框架进行构建。
- 机器学习的准确性和公平性权衡：基于随机多目标方法的研究
本文介绍了一种新的处理公平性的方法，通过建立一个随机多目标优化问题，得到一组准确且平衡的 Pareto 前沿，以此权衡准确度和公平性，以更高效地处理大量的流数据。
- 基于流式处理的三维点云目标检测
探索如何建立一种去除人工延迟限制的目标检测器，而是在流数据上运作来显着降低延迟，该方法有助于减少推理硬件的峰值计算负载，同时实现竞争性甚至优越的预测性能。
- MMDriftSurf：基于概念漂移的风险竞争学习算法
研究了在流数据场景下，概念漂移对先前学习的模型造成的影响和需要重新训练的需求，提出了一种基于漂移检测和更广泛的稳态 / 响应态过程的自适应学习算法，并在实验中验证了该算法优于先前基于漂移检测的方法，并可以应用于多种监督学习问题。
- 用于高速流式主成分分析的分布式随机算法
本文探讨了在流式数据下，从独立同分布的数据采样中估算协方差矩阵的主特征向量的问题，并提出和分析了一种分布式变体方案 D-Krasulina，该方案可以在多个处理节点上分布计算负载以跟上高数据流率。通过对该方案的分析表明，在适当的条件下，D- - KDD动态基方法的时间密度外推
该论文提出了一种称为 TDX 的方法，用于模拟和预测分布中逐渐单调变化的模式的密度，该方法基于扩展基础函数的权重，并使用等距对数比变换将其建模为随时间变化的组合数据的函数。通过对这些权重进行外推，可以获得外推密度估计。实验表明该方法对于捕捉 - 相似度分布学习的监督在线哈希
本研究提出一种基于相似度分布的在线哈希方法 (SDOH)，采用高斯归一化处理来解决极不平衡分布问题并通过最小化 KL 散度来对齐相似度分布，最后在三个广泛使用的基准测试中验证了该方法的优越性。
- 基于流数据的张量低秩 Tucker 近似
论文介绍了一种新的低 Tucker 秩逼近张量的算法，该算法采用随机线性映射来获得捕捉每个模式内重要方向及模式间交互的草图，并且可以通过流式数据或对张量进行一次传递来提取草图，同时它的存储量取决于 Tucker 逼近输出中的自由度，该算法不 - CVPR基于生成混合表示的活动预测与无悔学习
本文提出使用高效深度生成模型，预测人类未来的离散和连续行为，进而在实践中实现较好的样本生成效果，并从流数据中逐步学习提高其学习效率。
- 基于情节记忆的阅读器：从流数据中学习答题需要记住的内容
本文提出了一个基于序列阅读的外部内存读取模型 Episodic Memory Reader, 并结合强化学习代理进行记忆筛选，用于在大规模数据流中进行问答。实验结果表明该模型在文本 QA 和视频 QA 任务中相较于传统记忆调度策略或独立序列 - 记忆约束下的分位数回归
本文研究基于有限内存约束的大样本分位数回归问题，提出一种计算效率高的分位数回归估计方法，实现多轮聚合即可得到与所有数据计算分位数回归一样的效果，并适用于分布式计算环境和实时数据处理。
- 流式 PCA 和子空间跟踪：缺失数据情况下的处理
针对流数据中所缺少的数据属性，本篇综述论文回顾了各种低计算和内存复杂度的算法，特别是适用于缺失数据的大数据环境中的算法。此外，通过代数和几何视角来观察流 PCA 和子空间跟踪算法的性能分析。最后，文中还对几种竞争算法在良好和不良条件系统下缺 - 基于流式主动学习策略的信用卡实时欺诈检测：评估与可视化
本文研究了信用卡欺诈检测的问题，提出了一些主动学习的策略，并比较了不同的查询标准，强调了在欺诈检测中主动学习存在探索 / 开发的权衡。
- S-Isomap++：流式数据的多流形学习
本文提出了一种用于多个流形或不规则采样的单个流形的流式 NLDR 方法，解决了现有方法在存在多个流形或不规则采样的单个流形时的局限性，可以有效地从大量流数据中学习。
- MM基于增量 ASP 的流推理系统 Ticker
介绍了一种名为 Ticker 的原型引擎，该引擎可对流数据进行逻辑推理，并通过提供灵活的过期控制和时间模态扩展了 Answer Set Programming。