TPC (Drei-Phasen-Konsolidierung) ist ein kontinuierliches Lernverfahren, das in drei Phasen unterteilt ist, um das Klassenbias-Problem (aufgrund von Klassenungleichgewicht) zu beseitigen und das Vergessen von unterrepräsentierten Klassen zu begrenzen.
In Phase I wird ein Bootstrapping für die neuen Klassen durchgeführt, um zu verhindern, dass die bekannten Klassen die neuen Klassen überwältigen. In Phase II werden alle Klassen gleichzeitig aktualisiert, aber es werden Mechanismen eingesetzt, um Klassenbias zu vermeiden und unnötige Gradientenkorrekturen zu begrenzen, um das Vergessen zu reduzieren. In Phase III erfolgt eine abschließende Konsolidierung, um ein optimales Gleichgewicht zwischen allen Klassen zu erreichen.
Experimente auf komplexen Datensätzen zeigen, dass TPC Genauigkeits- und Effizienzvorteile gegenüber konkurrierenden Ansätzen bietet. Der Algorithmus und alle Ergebnisse sind dank der Veröffentlichung im Avalanche-Framework für kontinuierliches Lernen voll reproduzierbar.
Para Outro Idioma
do conteúdo original
arxiv.org
Principais Insights Extraídos De
by Davide Malto... às arxiv.org 03-25-2024
https://arxiv.org/pdf/2403.14679.pdfPerguntas Mais Profundas