Buchumschlag

Does Prior Data Matter? Exploring Joint Training in the Context of Few-Shot Class-Incremental Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Shiwon, Hwang, Dongjun, Woo, Sungwon, Singh, Rita
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Few-Shot Class-Incremental Learning with Prior Knowledge
von: Jiang, Wenhao, et al.
Veröffentlicht: (2024)

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

An experimental approach on Few Shot Class Incremental Learning
von: Adam, Marinela
Veröffentlicht: (2025)

NTK-Guided Few-Shot Class Incremental Learning
von: Liu, Jingren, et al.
Veröffentlicht: (2024)

Few-Shot Class Incremental Learning via Robust Transformer Approach
von: Paeedeh, Naeem, et al.
Veröffentlicht: (2024)

An Efficient Memory Module for Graph Few-Shot Class-Incremental Learning
von: Li, Dong, et al.
Veröffentlicht: (2024)

Learning Relative Representations for Fine-Grained Multimodal Alignment with Limited Data
von: Kim, Shiwon, et al.
Veröffentlicht: (2026)

Aggregated f-average Neural Network applied to Few-Shot Class Incremental Learning
von: Vu, Mathieu, et al.
Veröffentlicht: (2023)

Hyperbolic Coarse-to-Fine Few-Shot Class-Incremental Learning
von: Dai, Jiaxin, et al.
Veröffentlicht: (2025)

Controllable Forgetting Mechanism for Few-Shot Class-Incremental Learning
von: Paramonov, Kirill, et al.
Veröffentlicht: (2025)

Joint Input and Output Coordination for Class-Incremental Learning
von: Wang, Shuai, et al.
Veröffentlicht: (2024)

Few-Shot Class Incremental Learning with Attention-Aware Self-Adaptive Prompt
von: Liu, Chenxi, et al.
Veröffentlicht: (2024)

GradMix: Gradient-based Selective Mixup for Robust Data Augmentation in Class-Incremental Learning
von: Kim, Minsu, et al.
Veröffentlicht: (2025)

Latest Advancements Towards Catastrophic Forgetting under Data Scarcity: A Comprehensive Survey on Few-Shot Class Incremental Learning
von: Ma'sum, M. Anwar, et al.
Veröffentlicht: (2025)

Fair Class-Incremental Learning using Sample Weighting
von: Park, Jaeyoung, et al.
Veröffentlicht: (2024)

In-Context and Few-Shots Learning for Forecasting Time Series Data based on Large Language Models
von: Gopali, Saroj, et al.
Veröffentlicht: (2025)

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

Data-Free Generative Replay for Class-Incremental Learning on Imbalanced Data
von: Younis, Sohaib, et al.
Veröffentlicht: (2024)

Incremental Learning of Retrievable Skills For Efficient Continual Task Adaptation
von: Lee, Daehee, et al.
Veröffentlicht: (2024)

The Surprising Effectiveness of Test-Time Training for Few-Shot Learning
von: Akyürek, Ekin, et al.
Veröffentlicht: (2024)

Context-Aware Adapter Tuning for Few-Shot Relation Learning in Knowledge Graphs
von: Liu, Ran, et al.
Veröffentlicht: (2024)

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

Is Meta-Learning Out? Rethinking Unsupervised Few-Shot Classification with Limited Entropy
von: Guan, Yunchuan, et al.
Veröffentlicht: (2025)

Resilient Class-Incremental Learning: on the Interplay of Drifting, Unlabelled and Imbalanced Data Streams
von: Li, Jin, et al.
Veröffentlicht: (2026)

Feature-Space Generative Models for One-Shot Class-Incremental Learning
von: Foster, Jack, et al.
Veröffentlicht: (2026)

DSLR: Diversity Enhancement and Structure Learning for Rehearsal-based Graph Continual Learning
von: Choi, Seungyoon, et al.
Veröffentlicht: (2024)

Document-Level In-Context Few-Shot Relation Extraction via Pre-Trained Language Models
von: Ozyurt, Yilmazcan, et al.
Veröffentlicht: (2023)

How Few-Shot Examples Add Up: A Causal Decomposition of Function Vectors in In-Context Learning
von: Wang, Entang, et al.
Veröffentlicht: (2026)

Context-aware Graph Causality Inference for Few-Shot Molecular Property Prediction
von: Hoang, Van Thuy, et al.
Veröffentlicht: (2026)

Quantum Diffusion Models for Few-Shot Learning
von: Wang, Ruhan, et al.
Veröffentlicht: (2024)

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

Temporal Imbalance of Positive and Negative Supervision in Class-Incremental Learning
von: Ma, Jinge, et al.
Veröffentlicht: (2026)

Causally Sufficient and Necessary Feature Expansion for Class-Incremental Learning
von: Zhang, Zhen, et al.
Veröffentlicht: (2026)

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

In-Context Unlearning: Language Models as Few Shot Unlearners
von: Pawelczyk, Martin, et al.
Veröffentlicht: (2023)

When Sensing Varies with Contexts: Context-as-Transform for Tactile Few-Shot Class-Incremental Learning
von: Lin, Yifeng, et al.
Veröffentlicht: (2026)

Does Few-Shot Learning Help LLM Performance in Code Synthesis?
von: Xu, Derek, et al.
Veröffentlicht: (2024)

Adaptive Few-Shot Learning (AFSL): Tackling Data Scarcity with Stability, Robustness, and Versatility
von: Agrawal, Rishabh
Veröffentlicht: (2025)

Adaptive Clipping for Privacy-Preserving Few-Shot Learning: Enhancing Generalization with Limited Data
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

Interpretable Prototype-based Graph Information Bottleneck
von: Seo, Sangwoo, et al.
Veröffentlicht: (2023)