arXiv 机器学习· Isabelle Aguilar, Zayn Andre Zainal, Luis Fernando Herbozo Contreras, Zhaojing Huang, Omid Kavehei·· 1 天前AI 评分34
损失景观导航：基于轨迹缓解增量学习遗忘的方法
Normative Loss Landscape Navigation: A Trajectory-Based Approach to Mitigating Forgetting in Incremental Learning
AI 导读
研究者提出 TMLN 方法，将持续学习形式化为曲面损失景观上的最优控制问题，以缓解灾难性遗忘。该方法利用对角经验 Fisher 信息矩阵（FIM）构建局部黎曼流形，并结合网络参数历史轨迹动态调制梯度预处理器，无需依赖加性惩罚项。在类别与领域增量基准评测中，该方法显著降低了连续任务间的损失壁垒。
来源：arXiv 机器学习 · arxiv.org