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%
联系作者
文章来源:新智元
作者微信:AI_era
作者简介:智能+中国主平台,致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展,关注人机融合、人工智能和机器人革命对人类社会与文明进化的影响,领航中国新智能时代。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...