連続学習モデルの校正

連続学習モデルは過去の知識を忘れがちであり、オフラインで全データを一度に学習したモデルと比べて性能が劣ります。しかし、連続学習モデルが間違いを犯すことは避けられないため、モデルの信頼性を高めることが重要です。本研究では、連続学習環境における校正手法の振る舞いを初めて包括的に調査し、既存の校正手法を改善する新しい手法を提案しています。