开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-03-06
详细说明：在许多现实的学习应用中，环境是开放的并逐渐变化，这要求学习系统具有检测和适应变化的能力。 班级增量学习（CIL）是一个重要且实际的问题，来自看不见的班级的数据被馈入，但过去没有得到很好的研究。 在C-IL中，系统应提防从增强类作为可见类预测实例，因此面临挑战，即在训练阶段没有观察到此类实例。 在本文中，我们通过使用未标记的数据来应对挑战，该数据可以在许多实际应用中廉价地收集。 我们提出了LACU框架以及LACU-SVM方法，以学习可见类的概念，同时结合未标记数据中呈现的结构，以使可见类之间以及增强类和可见类之间的误分类风险降低同时最小化。 在各种数据集上进行的实验表明了该方法的有效性。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
