arXiv stat.ML· Junlin Chen, Wenhao Wang, Junchao Xu, Qingsong Yao, Fei Xue, Li Sun, Xiao Wang, Ruijie Wang·· 19 天前AI 评分30
MAEM：用于类增量图学习的免重放、容量受控动态混合专家框架
MAEM: Mitigating Recency Bias via a Replay-Free, Capacity-Controlled Dynamic Mixture of Experts for Class-Incremental Graph Learning
AI 导读
研究人员提出用于类增量图学习的免重放动态混合专家框架 MAEM，以缓解近期学习类别主导预测的近期偏差。该框架基于 SGC 为每个新会话训练并冻结专用专家，利用掩码自编码器（MAE）的重建误差实现无任务 ID 和无共享路由器的测试节点分配。当专家池达到固定容量时，MAEM 通过 Git Re-Basin 对齐并蒸馏最少使用的专家，在 4 个图基准测试中均超越了现有持续图学习基线。
来源：arXiv stat.ML · arxiv.org