跳到正文
arXiv · ML· Zhen Zhang, Jielei Chu, Jiangtao Hu, Bin Liu, Jie Wang, Ya Liu, Fengmao Lv, Tianrui Li·· 13 小时前AI 评分23

基于反事实特征正则化的类增量学习扩展方法研究

Counterfactual Feature Regularization for Expansion-Based Class-Incremental Learning

AI 导读

针对扩展式类增量学习中新旧特征碰撞问题,提出基于概率必要性和充分性(PNS)的正则化方法。 该方法通过双域反事实生成器生成任务内反事实特征和任务间干扰特征,量化因果完整性与可分性。 理论分析证实了方法可靠性,是缓解特征碰撞的即插即用解决方案。

来源:arXiv · ML · arxiv.org