Buchumschlag

Class Incremental Learning for Algorithm Selection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nemeth, Mate Botond, Hart, Emma, Sim, Kevin, Renau, Quentin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating the Robustness of Deep-Learning Algorithm-Selection Models by Evolving Adversarial Instances
von: Hart, Emma, et al.
Veröffentlicht: (2024)

Improving Algorithm-Selection and Performance-Prediction via Learning Discriminating Training Samples
von: Renau, Quentin, et al.
Veröffentlicht: (2024)

On the Utility of Probing Trajectories for Algorithm-Selection
von: Renau, Quentin, et al.
Veröffentlicht: (2024)

Algorithm Selection with Probing Trajectories: Benchmarking the Choice of Classifier Model
von: Renau, Quentin, et al.
Veröffentlicht: (2025)

Identifying Easy Instances to Improve Efficiency of ML Pipelines for Algorithm-Selection
von: Renau, Quentin, et al.
Veröffentlicht: (2024)

Beyond the Hype: Benchmarking LLM-Evolved Heuristics for Bin Packing
von: Sim, Kevin, et al.
Veröffentlicht: (2025)

Distributed Resource Selection for Self-Organising Cloud-Edge Systems
von: Renau, Quentin, et al.
Veröffentlicht: (2025)

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

Feature Expansion and enhanced Compression for Class Incremental Learning
von: Ferdinand, Quentin, et al.
Veröffentlicht: (2024)

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

Annotation-Free Class-Incremental Learning
von: Kuchibhotla, Hari Chandana, et al.
Veröffentlicht: (2025)

TEAL: New Selection Strategy for Small Buffers in Experience Replay Class Incremental Learning
von: Shaul-Ariel, Shahar, et al.
Veröffentlicht: (2024)

Balancing the Causal Effects in Class-Incremental Learning
von: Zheng, Junhao, et al.
Veröffentlicht: (2024)

Federated Class-Incremental Learning with New-Class Augmented Self-Distillation
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2024)

Autoencoder-Based Hybrid Replay for Class-Incremental Learning
von: Nori, Milad Khademi, et al.
Veröffentlicht: (2025)

Inductive Graph Few-shot Class Incremental Learning
von: Li, Yayong, et al.
Veröffentlicht: (2024)

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

Cross-Class Feature Augmentation for Class Incremental Learning
von: Kim, Taehoon, et al.
Veröffentlicht: (2023)

Reducing Class-wise Confusion for Incremental Learning with Disentangled Manifolds
von: Chen, Huitong, et al.
Veröffentlicht: (2025)

Constructing Enhanced Mutual Information for Online Class-Incremental Learning
von: Zhang, Huan, et al.
Veröffentlicht: (2024)

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

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

Towards Diverse Evaluation of Class Incremental Learning: A Representation Learning Perspective
von: Cha, Sungmin, et al.
Veröffentlicht: (2022)

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

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

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

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

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

DATS: Distance-Aware Temperature Scaling for Calibrated Class-Incremental Learning
von: Serra, Giuseppe, et al.
Veröffentlicht: (2025)

Exploring Cross-Stage Adversarial Transferability in Class-Incremental Continual Learning
von: Kim, Jungwoo, et al.
Veröffentlicht: (2025)

The Lie of the Average: How Class Incremental Learning Evaluation Deceives You?
von: Lai, Guannan, et al.
Veröffentlicht: (2025)

Harnessing Neural Unit Dynamics for Effective and Scalable Class-Incremental Learning
von: Li, Depeng, et al.
Veröffentlicht: (2024)

Dual Prototypes for Adaptive Pre-Trained Model in Class-Incremental Learning
von: Xu, Zhiming, et al.
Veröffentlicht: (2024)

Advancing Analytic Class-Incremental Learning through Vision-Language Calibration
von: Zhao, Binyu, et al.
Veröffentlicht: (2026)

MCIGLE: Multimodal Exemplar-Free Class-Incremental Graph Learning
von: You, Haochen, et al.
Veröffentlicht: (2025)

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

Class-wise Balancing Data Replay for Federated Class-Incremental Learning
von: Qi, Zhuang, et al.
Veröffentlicht: (2025)

Compute-Efficient Active Learning
von: Németh, Gábor, et al.
Veröffentlicht: (2024)

T-CIL: Temperature Scaling using Adversarial Perturbation for Calibration in Class-Incremental Learning
von: Hwang, Seong-Hyeon, et al.
Veröffentlicht: (2025)

Audio-Visual Class-Incremental Learning for Fish Feeding intensity Assessment in Aquaculture
von: Cui, Meng, et al.
Veröffentlicht: (2025)