arXiv 机器学习· Akila Ayanthi, Darshana Priyasad, Tharindu Fernando, Sridha Sridharan, Clinton Fookes, Peyman Moghadam·· 10 小时前AI 评分26
REDAR：面向类增量学习的强化驱动自适应正则化
REDAR: Reinforcement-Driven Adaptive Regularisation for Class Incremental Learning
AI 导读
REDAR 将类增量学习中的正则化强度选择建模为序列决策问题，利用轻量级强化学习 Agent 动态输出每个增量阶段的蒸馏系数。该策略完全在初始阶段构建的伪任务上训练，部署于增量序列时无需进一步适配。在 CIFAR-100 和 Tiny-ImageNet 上的实验表明，REDAR 相比固定系数与启发式基准减少了遗忘并提升了正向迁移表现。
来源：arXiv 机器学习 · arxiv.org