arXiv cs.LG· Akila Ayanthi, Darshana Priyasad, Tharindu Fernando, Sridha Sridharan, Clinton Fookes, Peyman Moghadam·· 7 天前AI 评分29
REDAR：面向类增量学习的强化驱动自适应正则化方法
REDAR: Reinforcement-Driven Adaptive Regularisation for Class Incremental Learning
AI 导读
新研究提出 REDAR 方法，将类增量学习（CIL）中的正则化强度选择建模为序列决策问题，由轻量级 RL 智能体动态输出每个阶段的知识蒸馏系数。该策略完全在初始阶段构建的伪任务上训练，部署到增量序列时无需访问历史数据。在 CIFAR-100 和 Tiny-ImageNet 上的实验表明，REDAR 相比固定基线有效减少了遗忘并提升了前向迁移性能。
来源：arXiv cs.LG · arxiv.org