关键词unsupervised continual learning
搜索结果 - 6
- 前向 - 后向知识蒸馏的持续聚类
在无监督连续聚类(UCC)中,引入了前向 - 后向知识蒸馏(FBCC)的概念,以解决连续学习中的灾难性遗忘问题,通过使用单个连续学习器和多个学生模型来改善聚类的性能和内存效率。
- 无监督连续学习中融合现在和过去
我们提出了一种适用于无监督连续学习(UCL)的统一框架,该框架将实时数据和过去数据的特定学习目标区分开来,包括稳定性、可塑性和跨任务整合。我们的方法 Osiris 在分离的嵌入空间中明确优化这三个目标,并在所有基准测试中取得了最先进的性能, - MMCUCL: 无监督连续学习的代码手册
本研究主要关注无监督连续学习(Unsupervised Continual Learning,UCL),提出了一种名为 Codebook for Unsupervised Continual Learning(CUCL)的方法,通过注入多样 - lpSpikeCon: 为自主智能体提供低精度脉冲神经网络处理来实现高效无监督持续学习
提出了一种名为 lpSpikeCon 的低精度 SNN 处理方法,旨在为资源受限的自主系统提供高效的无监督连续学习,该方法将 SNN 参数与推断准确率相关联,并通过在在线训练中巧妙地使用 4 位权重来降低 SNN 模型的权重存储,从而在不降 - CVPR非监督式连续学习的超领域检测
本研究提出了一种基于任务区分度的 Out-of-distribution Detection 方法,可以直接应用在无监督连续学习中,并在 CIFAR-100 数据集上验证了其性能优于现有的 OOD detection 方法。
- 自适应深度聚类无监督迭代学习方法
本文提出了一个名为 KIERA 的无监督连续学习方法,采用灵活的深度聚类方法来处理不断变化的环境,并提出基于质心的经验回放方法来克服灾难性遗忘的问题。实验结果表明,与现有方法相比,KIERA 具有高度的竞争性能。