对抗「概念飘逸」难题！谷歌发布全新时间感知框架：图像识别准确率提升15%

AIGC动态欢迎阅读

原标题：对抗「概念飘逸」难题！谷歌发布全新时间感知框架：图像识别准确率提升15%
关键字：数据,模型,方法,离线,权重
文章来源：新智元
内容字数：4852字

内容摘要：

新智元报道编辑：wewe
【新智元导读】告别数据健忘症！机器学习新方法实现「时空穿越」，助力模型适应易变世界。在机器学习领域，概念漂移（concept drift）问题长期困扰着研究者，即数据分布随时间发生变化，使得模型难以持续有效。
一个显著的例子是CLEAR非稳态学习基准的图像展示，它揭示了物体视觉特征在十年间发生的显著变化。
这种现象被称为「缓慢的概念漂移」，它对物体分类模型提出了严峻的挑战。当物体的外观或属性随着时间的推移而改变时，如何确保模型能够适应这种变化并持续准确地进行分类，成为了研究者关注的焦点。
近日，针对这一挑战，Google AI的研究人员提出了一种优化驱动的方法MUSCATEL（Multi-Scale Temporal Learning），显著提升了模型在大型、动态数据集中的表现。该工作发表于AAAI2024。
论文地址：https://arxiv.org/abs/2212.05908
目前，针对概率漂移的主流方法是在线学习和持续学习（online and continue learning）。
这些方法的核心思想是，通过不断更新模型以适应最新数据，保持模型

原文链接：对抗「概念飘逸」难题！谷歌发布全新时间感知框架：图像识别准确率提升15%