Regolarizzazione basata su PNS per l'espansione delle caratteristiche nell'apprendimento incrementale per classi
Un nuovo metodo affronta l'oblio catastrofico nell'apprendimento incrementale per classi (CIL) utilizzando la regolarizzazione basata sulla Probabilità di Necessità e Sufficienza (PNS). I metodi attuali basati sull'espansione congelano le vecchie caratteristiche ma soffrono di collisioni dovute a correlazioni spurie. Le correlazioni spurie intra-task causano dipendenza da caratteristiche di scorciatoia, mentre quelle inter-task creano confusione semantica tra classi visivamente simili. L'approccio proposto estende il PNS per guidare l'espansione delle caratteristiche, con l'obiettivo di ridurre queste collisioni. La ricerca è pubblicata su arXiv con ID 2603.09145.
Fatti principali
- Il metodo affronta l'oblio catastrofico nell'apprendimento incrementale per classi
- Utilizza la regolarizzazione basata sulla Probabilità di Necessità e Sufficienza (PNS)
- I metodi attuali basati sull'espansione congelano le vecchie caratteristiche
- Le correlazioni spurie causano collisioni tra caratteristiche
- Le correlazioni intra-task portano alla dipendenza da caratteristiche di scorciatoia
- Le correlazioni inter-task causano confusione semantica
- La definizione di PNS è estesa al CIL basato su espansione
- Pubblicato su arXiv con ID 2603.09145
Entità
Istituzioni
- arXiv