Buchumschlag

Incremental Online Learning of Randomized Neural Network with Forward Regularization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Junda, Hu, Minghui, Li, Ning, Al-Ali, Abdulaziz, Suganthan, Ponnuthurai Nagaratnam
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Randomized Neural Network with Adaptive Forward Regularization for Online Task-free Class Incremental Learning
von: Wang, Junda, et al.
Veröffentlicht: (2025)

Your Data Is Not Perfect: Towards Cross-Domain Out-of-Distribution Detection in Class-Imbalanced Data
von: Fang, Xiang, et al.
Veröffentlicht: (2024)

Adaptive Hierarchical Graph Cut for Multi-granularity Out-of-distribution Detection
von: Fang, Xiang, et al.
Veröffentlicht: (2024)

Global Context with Discrete Diffusion in Vector Quantised Modelling for Image Generation
von: Hu, Minghui, et al.
Veröffentlicht: (2021)

Covariance-Aware Goodness for Scalable Forward-Forward Learning
von: Jiang, Xiaoyi, et al.
Veröffentlicht: (2026)

Improving Forward Compatibility in Class Incremental Learning by Increasing Representation Rank and Feature Richness
von: Kim, Jaeill, et al.
Veröffentlicht: (2024)

Self-Regulated Neurogenesis for Online Data-Incremental Learning
von: Yildirim, Murat Onur, et al.
Veröffentlicht: (2024)

iNeMo: Incremental Neural Mesh Models for Robust Class-Incremental Learning
von: Fischer, Tom, et al.
Veröffentlicht: (2024)

Improved Regularization and Robustness for Fine-tuning in Neural Networks
von: Li, Dongyue, et al.
Veröffentlicht: (2021)

OVOR: OnePrompt with Virtual Outlier Regularization for Rehearsal-Free Class-Incremental Learning
von: Huang, Wei-Cheng, et al.
Veröffentlicht: (2024)

Adaptive Random Feature Regularization on Fine-tuning Deep Neural Networks
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2024)

An Optimal Transport-driven Approach for Cultivating Latent Space in Online Incremental Learning
von: Tran, Quyen, et al.
Veröffentlicht: (2022)

External Knowledge Injection for CLIP-Based Class-Incremental Learning
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2025)

Scalable Class-Incremental Learning Based on Parametric Neural Collapse
von: Zhang, Chuangxin, et al.
Veröffentlicht: (2025)

Vanilla Gradient Descent for Oblique Decision Trees
von: Panda, Subrat Prasad, et al.
Veröffentlicht: (2024)

When Classes Evolve: A Benchmark and Framework for Stage-Aware Class-Incremental Learning
von: Zhang, Zheng, et al.
Veröffentlicht: (2026)

A Bag of Tricks for Few-Shot Class-Incremental Learning
von: Roy, Shuvendu, et al.
Veröffentlicht: (2024)

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

Hierarchical Semantic Tree Anchoring for CLIP-Based Class-Incremental Learning
von: Hu, Tao, et al.
Veröffentlicht: (2025)

12 mJ per Class On-Device Online Few-Shot Class-Incremental Learning
von: Wibowo, Yoga Esa, et al.
Veröffentlicht: (2024)

SimCS: Simulation for Domain Incremental Online Continual Segmentation
von: Alfarra, Motasem, et al.
Veröffentlicht: (2022)

Reward Incremental Learning in Text-to-Image Generation
von: Wang, Maorong, et al.
Veröffentlicht: (2024)

Effective Decision Boundary Learning for Class Incremental Learning
von: Li, Kunchi, et al.
Veröffentlicht: (2023)

Automatic Construction of Pattern Classifiers Capable of Continuous Incremental Learning and Unlearning Tasks Based on Compact-Sized Probabilistic Neural Network
von: Hoya, Tetsuya, et al.
Veröffentlicht: (2025)

Towards Experience Replay for Class-Incremental Learning in Fully-Binary Networks
von: Basso-Bert, Yanis, et al.
Veröffentlicht: (2025)

How Deep Neural Networks Learn Compositional Data: The Random Hierarchy Model
von: Cagnetta, Francesco, et al.
Veröffentlicht: (2023)

Random Representations Outperform Online Continually Learned Representations
von: Prabhu, Ameya, et al.
Veröffentlicht: (2024)

Class-Incremental Learning: A Survey
von: Zhou, Da-Wei, et al.
Veröffentlicht: (2023)

Revised Regularization for Efficient Continual Learning through Correlation-Based Parameter Update in Bayesian Neural Networks
von: Palit, Sanchar, et al.
Veröffentlicht: (2024)

Incremental Object Keypoint Learning
von: Liang, Mingfu, et al.
Veröffentlicht: (2025)

Sharpness-Aware Minimization with Adaptive Regularization for Training Deep Neural Networks
von: Zou, Jinping, et al.
Veröffentlicht: (2024)

Forward-Only Continual Learning
von: Chen, Jiao, et al.
Veröffentlicht: (2025)

BOFA: Bridge-Layer Orthogonal Low-Rank Fusion for CLIP-Based Class-Incremental Learning
von: Li, Lan, et al.
Veröffentlicht: (2025)

Future-Proofing Class-Incremental Learning
von: Jodelet, Quentin, et al.
Veröffentlicht: (2024)

Exemplar-free Class Incremental Learning via Discriminative and Comparable One-class Classifiers
von: Sun, Wenju, et al.
Veröffentlicht: (2022)

DiffusionNFT: Online Diffusion Reinforcement with Forward Process
von: Zheng, Kaiwen, et al.
Veröffentlicht: (2025)

Squint: Fast Visual Reinforcement Learning for Sim-to-Real Robotics
von: Almuzairee, Abdulaziz, et al.
Veröffentlicht: (2026)

Confidence Self-Calibration for Multi-Label Class-Incremental Learning
von: Du, Kaile, et al.
Veröffentlicht: (2024)

Neural Redshift: Random Networks are not Random Functions
von: Teney, Damien, et al.
Veröffentlicht: (2024)

Incremental Multi-Scene Modeling via Continual Neural Graphics Primitives
von: Singh, Prajwal, et al.
Veröffentlicht: (2024)