.png){kind=icon}
返回
Continual learning via semantic memory system
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.114689.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 一种新型SMS框架保留多源表示，并为持续学习提供语义丰富且鲁棒的信息。
• 一种新型DGBMO方法优化图关系矩阵，从而存储更多样化的表示选择。
• 一种新型SRE方法估计梯度方向以改善样本质量。
Keyword:
Continual learning
Dynamic expansion models
Memory-based method
Pre-trained models
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
.png){kind=icon}
Online Continual Learning on a Contaminated Data Stream with Blurry Task Boundaries在污染数据流和模糊任务边界下的在线持续学习
OAAI
OAAI分享收藏
SDDGR: Stable Diffusion-Based Deep Generative Replay for Class Incremental Object DetectionSDDGR：基于稳定扩散的深度生成重放方法用于类增量目标检测
PREAI
分享收藏Non-exemplar Online Class-Incremental Continual Learning via Dual-Prototype Self-Augment and Refinement非样本在线增量式持续学习：基于双原型自增强与精炼OAAI
OAAI分享收藏Boosting Continual Learning of Vision-Language Models via Mixture-of-Experts Adapters通过专家混合适配器提升视觉语言模型的持续学习能力
PREAI
分享收藏分享收藏
查看更多内容