Buchumschlag

Resilient Class-Incremental Learning: on the Interplay of Drifting, Unlabelled and Imbalanced Data Streams

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Jin, Malialis, Kleanthis, Polycarpou, Marios
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Online Detection of Water Contamination Under Concept Drift
von: Li, Jin, et al.
Veröffentlicht: (2025)

Drift-Aware Variational Autoencoder-based Anomaly Detection with Two-level Ensembling
von: Li, Jin, et al.
Veröffentlicht: (2026)

Incremental Learning with Concept Drift Detection and Prototype-based Embeddings for Graph Stream Classification
von: Malialis, Kleanthis, et al.
Veröffentlicht: (2024)

Unsupervised Online Detection of Pipe Blockages and Leakages in Water Distribution Networks
von: Li, Jin, et al.
Veröffentlicht: (2025)

A Hybrid Active-Passive Approach to Imbalanced Nonstationary Data Stream Classification
von: Malialis, Kleanthis, et al.
Veröffentlicht: (2022)

SiameseDuo++: Active Learning from Data Streams with Dual Augmented Siamese Networks
von: Malialis, Kleanthis, et al.
Veröffentlicht: (2025)

Unsupervised Incremental Learning with Dual Concept Drift Detection for Identifying Anomalous Sequences
von: Li, Jin, et al.
Veröffentlicht: (2024)

Low Rank Transformer for Multivariate Time Series Anomaly Detection and Localization
von: Shimillas, Charalampos, et al.
Veröffentlicht: (2026)

Transformer-based Multivariate Time Series Anomaly Localization
von: Shimillas, Charalampos, et al.
Veröffentlicht: (2025)

Data augmentation on-the-fly and active learning in data stream classification
von: Malialis, Kleanthis, et al.
Veröffentlicht: (2022)

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

Generalized Incremental Learning under Concept Drift across Evolving Data Streams
von: Yu, En, et al.
Veröffentlicht: (2025)

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

Urban Water Consumption Forecasting Using Deep Learning and Correlated District Metered Areas
von: Malialis, Kleanthis, et al.
Veröffentlicht: (2024)

Autonomous Drift Learning in Data Streams: A Unified Perspective
von: Yang, Xiaoyu, et al.
Veröffentlicht: (2026)

Learn How to Query from Unlabeled Data Streams in Federated Learning
von: Sun, Yuchang, et al.
Veröffentlicht: (2024)

Class-Imbalanced Graph Learning without Class Rebalancing
von: Liu, Zhining, et al.
Veröffentlicht: (2023)

DeepBooTS: Dual-Stream Residual Boosting for Drift-Resilient Time-Series Forecasting
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

Cost-Sensitive Unbiased Risk Estimation for Multi-Class Positive-Unlabeled Learning
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Time-Series Contrastive Learning against False Negatives and Class Imbalance
von: Jin, Xiyuan, et al.
Veröffentlicht: (2023)

Continuous Fair SMOTE -- Fairness-Aware Stream Learning from Imbalanced Data
von: Lammers, Kathrin, et al.
Veröffentlicht: (2025)

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

Learning Unbiased Cluster Descriptors for Interpretable Imbalanced Concept Drift Detection
von: Zhang, Yiqun, et al.
Veröffentlicht: (2026)

A Novel end-to-end Digital Health System Using Deep Learning-based ECG Analysis
von: Kontou, Artemis, et al.
Veröffentlicht: (2026)

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

Deep Positive-Unlabeled Anomaly Detection for Contaminated Unlabeled Data
von: Takahashi, Hiroshi, et al.
Veröffentlicht: (2024)

Learning from M-Tuple Dominant Positive and Unlabeled Data
von: Qin, Jiahe, et al.
Veröffentlicht: (2025)

Impact of Leakage on Data Harmonization in Machine Learning Pipelines in Class Imbalance Across Sites
von: Nieto, Nicolás, et al.
Veröffentlicht: (2024)

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

Positive Unlabeled Contrastive Learning
von: Acharya, Anish, et al.
Veröffentlicht: (2022)

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

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

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)

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

Collaborative Unlabeled Data Optimization
von: Shang, Xinyi, et al.
Veröffentlicht: (2025)

DAMEL: Dual-Axis Multi-Expert Learning for Class-Imbalanced Learning
von: Lee, Hyuck, et al.
Veröffentlicht: (2026)

CCSI: Continual Class-Specific Impression for Data-free Class Incremental Learning
von: Ayromlou, Sana, et al.
Veröffentlicht: (2024)

Investigating Forecasting Models for Pandemic Infections Using Heterogeneous Data Sources: A 2-year Study with COVID-19
von: Komodromos, Zacharias, et al.
Veröffentlicht: (2025)

Prototype-based Heterogeneous Federated Learning for Blade Icing Detection in Wind Turbines with Class Imbalanced Data
von: Qi, Lele, et al.
Veröffentlicht: (2025)