热点事件持续更新
研究团队提出无回放持续学习框架PRISM-AMC
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年11月5日，研究人员在arXiv发布关于自动调制识别（AMC）无回放持续学习框架PRISM-AMC的研究成果。该框架通过梯度投影内存保留中间表征的任务相关子空间，以缓解灾难性遗忘问题。在MIGOU和DeepSig 2018.01A数据集上的类增量与域增量实验结果表明，其遗忘程度大幅低于顺序微调和弹性权重整合。此外，在无需存储原始基带I/Q样本的前提下，该方法在类增量设置中的表现匹敌或超越了基于回放的RSD-AMC方法。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
研究人员提出用于自动调制识别的无回放持续学习框架PRISM-AMC。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.LGPRISM-AMC：用于自动调制识别的无回放持续学习框架
研究人员提出自动调制识别（AMC）无回放持续学习框架 PRISM-AMC，通过梯度投影内存保留中间表征的任务相关子空间以缓解灾难性遗忘。在 MIGOU 和 DeepSig 2018.01A 数据集上的类增量与域增量实验表明，其遗忘程度大幅低于顺序微调和弹性权重整合。在无需存储原始基带 I/Q 样本的前提下，该方法在类增量设置中的表现匹敌或超越了基于回放的 RSD-AMC。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。