• IIRC : Incremental Implicitly-Refined Classification 

    Abdelsalam, Mohamed (2021-10-21)
    Nous introduisons la configuration de la "Classification Incrémentale Implicitement Raffinée / Incremental Implicitly-Refined Classification (IIRC)", une extension de la configuration de l'apprentissage incrémental des classes où les lots de classes ...
  • Look-ahead meta-learning for continual learning 

    Gupta, Gunshi (2020-12-16)
    Le problème “d’apprentissage continu” implique l’entraînement des modèles profonds avec une capacité limitée qui doivent bien fonctionner sur un nombre inconnu de tâches arrivant séquentiellement. Cette configuration peut souvent résulter en un système ...
  • On impact of mixing times in continual reinforcement learning 

    Raparthy, Sharath Chandra (2023-05-29)
    Le temps de mélange de la chaîne de Markov induite par une politique limite ses performances dans les scénarios réels d'apprentissage continu. Pourtant, l'effet des temps de mélange sur l'apprentissage dans l'apprentissage par renforcement (RL) continu ...
  • Rethinking continual learning approach and study out-of-distribution generalization algorithms 

    Laleh, Touraj (2023-09-13)
    L'un des défis des systèmes d'apprentissage automatique actuels est que les paradigmes d'IA standard ne sont pas doués pour transférer (ou exploiter) les connaissances entre les tâches. Alors que de nombreux systèmes ont été formés et ont obtenu des ...
  • The role of continual learning and adaptive computation in improving computational efficiency of deep learning 

    Gupta, Kshitij (2024-05-22)
    Au cours de la dernière décennie, des progrès significatifs ont été réalisés dans le domaine de l’IA, principalement grâce aux progrès de l’apprentissage automatique, de l’apprentissage profond et de l’utilisation de modèles à grande échelle. Cependant, ...