返回
Federated continual learning with joint diffusion-based generative replay
DOI:10.1016/j.asoc.2026.115928.png)
摘要
En 中文
• FedJoin通过联合建模图像生成和分类来解决灾难性遗忘问题。• 双态重放机制生成长期和短期样本以处理不平衡的任务分布。• 设计的特征一致性约束将新任务特征与历史类别嵌入对齐以保留先验知识。• 与现有重放方法相比,平均遗忘率降低了7.78%。
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
暂无机构信息
引用论文
WHY THERE ARE COMPLEMENTARY LEARNING-SYSTEMS IN THE HIPPOCAMPUS AND NEOCORTEX - INSIGHTS FROM THE SUCCESSES AND FAILURES OF CONNECTIONIST MODELS OF LEARNING AND MEMORY为什么在海马和新大脑皮层中存在互补的学习系统-来自学习和记忆的连接主义模型的成功和失败的见解
PSYCHOLOGICAL REVIEW
IF5.8
Federated learning in medicine: facilitating multi-institutional collaborations without sharing patient data医学联合学习: 在不共享患者数据的情况下促进多机构合作
SCIENTIFIC REPORTS
IF3.9

