Buchumschlag

Dual Prototypes for Adaptive Pre-Trained Model in Class-Incremental Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Zhiming, Yang, Suorong, Xu, Baile, Shen, Furao, Zhao, Jian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Realistic Class-Incremental Learning with Free-Flow Increments
von: Xu, Zhiming, et al.
Veröffentlicht: (2026)

Pushing the Limits of Distillation-Based Continual Learning via Classifier-Proximal Lightweight Plugins
von: Xu, Zhiming, et al.
Veröffentlicht: (2025)

RL-Selector: Reinforcement Learning-Guided Data Selection via Redundancy Assessment
von: Yang, Suorong, et al.
Veröffentlicht: (2025)

Physics-inspired Energy Transition Neural Network for Sequence Learning
von: Wu, Zhou, et al.
Veröffentlicht: (2025)

Data Agent: Learning to Select Data via End-to-End Dynamic Optimization
von: Yang, Suorong, et al.
Veröffentlicht: (2026)

Multimodal-Guided Dynamic Dataset Pruning for Robust and Efficient Data-Centric Learning
von: Yang, Suorong, et al.
Veröffentlicht: (2025)

Beyond Point-wise Neural Collapse: A Topology-Aware Hierarchical Classifier for Class-Incremental Learning
von: Yi, Huiyu, et al.
Veröffentlicht: (2026)

EntAugment: Entropy-Driven Adaptive Data Augmentation Framework for Image Classification
von: Yang, Suorong, et al.
Veröffentlicht: (2024)

When Dynamic Data Selection Meets Data Augmentation
von: Yang, Suorong, et al.
Veröffentlicht: (2025)

Leveraging Pre-Trained Models for Multimodal Class-Incremental Learning under Adaptive Fusion
von: Chen, Yukun, et al.
Veröffentlicht: (2025)

Beyond What to Select: A Plug-and-play Oscillatory Data-Volume Scheduling for Efficient Model Training
von: Yang, Suorong, et al.
Veröffentlicht: (2026)

From Isolation to Integration: Building an Adaptive Expert Forest for Pre-Trained Model-based Class-Incremental Learning
von: Liu, Ruiqi, et al.
Veröffentlicht: (2026)

MOS: Model Surgery for Pre-Trained Model-Based Class-Incremental Learning
von: Sun, Hai-Long, et al.
Veröffentlicht: (2024)

PTMs-TSCIL Pre-Trained Models Based Class-Incremental Learning
von: Wu, Yuanlong, et al.
Veröffentlicht: (2025)

Revisiting Class-Incremental Learning with Pre-Trained Models: Generalizability and Adaptivity are All You Need
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2023)

Federated Class-Incremental Learning with Hierarchical Generative Prototypes
von: Salami, Riccardo, et al.
Veröffentlicht: (2024)

Enhancing Epidemic Forecasting: Evaluating the Role of Mobility Data and Graph Convolutional Networks
von: Guo, Suhan, et al.
Veröffentlicht: (2025)

Mixture of Noise for Pre-Trained Model-Based Class-Incremental Learning
von: Jiang, Kai, et al.
Veröffentlicht: (2025)

Enhancing Pre-Trained Model-Based Class-Incremental Learning through Neural Collapse
von: He, Kun, et al.
Veröffentlicht: (2025)

Expandable Subspace Ensemble for Pre-Trained Model-Based Class-Incremental Learning
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2024)

Dual Consolidation for Pre-Trained Model-Based Domain-Incremental Learning
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2024)

Region Seeding via Pre-Activation Regularization: A Geometric View of Piecewise Affine Neural Networks
von: Wei, Yi, et al.
Veröffentlicht: (2026)

An Efficient Replay for Class-Incremental Learning with Pre-trained Models
von: Yin, Weimin, et al.
Veröffentlicht: (2024)

Integrating Task-Specific and Universal Adapters for Pre-Trained Model-based Class-Incremental Learning
von: Wang, Yan, et al.
Veröffentlicht: (2025)

SPAT: Sensitivity-based Multihead-attention Pruning on Time Series Forecasting Models
von: Guo, Suhan, et al.
Veröffentlicht: (2025)

AdaAugment: A Tuning-Free and Adaptive Approach to Enhance Data Augmentation
von: Yang, Suorong, et al.
Veröffentlicht: (2024)

Exploiting Fine-Grained Prototype Distribution for Boosting Unsupervised Class Incremental Learning
von: Liu, Jiaming, et al.
Veröffentlicht: (2024)

Structure-Level Disentangled Diffusion for Few-Shot Chinese Font Generation
von: Li, Jie, et al.
Veröffentlicht: (2026)

PIP: Prototypes-Injected Prompt for Federated Class Incremental Learning
von: Ma'sum, Muhammad Anwar, et al.
Veröffentlicht: (2024)

ConceptFlow: Hierarchical and Fine-grained Concept-Based Explanation for Convolutional Neural Networks
von: Mu, Xinyu, et al.
Veröffentlicht: (2025)

Closing the Oracle Gap: Increment Vector Transformation for Class Incremental Learning
von: Qiu, Zihuan, et al.
Veröffentlicht: (2025)

PASS++: A Dual Bias Reduction Framework for Non-Exemplar Class-Incremental Learning
von: Zhu, Fei, et al.
Veröffentlicht: (2024)

Balanced Online Class-Incremental Learning via Dual Classifiers
von: Wen, Shunjie, et al.
Veröffentlicht: (2025)

On-the-Fly Data Augmentation via Gradient-Guided and Sample-Aware Influence Estimation
von: Yang, Suorong, et al.
Veröffentlicht: (2025)

Few-Shot Class-Incremental Learning with Non-IID Decentralized Data
von: Liu, Cuiwei, et al.
Veröffentlicht: (2024)

TAAM:Inductive Graph-Class Incremental Learning with Task-Aware Adaptive Modulation
von: Liu, Jingtao, et al.
Veröffentlicht: (2026)

Quantum-Gated Task-interaction Knowledge Distillation for Pre-trained Model-based Class-Incremental Learning
von: Li, Linjie, et al.
Veröffentlicht: (2026)

FedProK: Trustworthy Federated Class-Incremental Learning via Prototypical Feature Knowledge Transfer
von: Gao, Xin, et al.
Veröffentlicht: (2024)

Multi-Scale Dilated Convolution Network for Long-Term Time Series Forecasting
von: Li, Feifei, et al.
Veröffentlicht: (2024)

Maximizing Incremental Information Entropy for Contrastive Learning
von: Zhang, Jiansong, et al.
Veröffentlicht: (2026)