AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：對(duì)抗「概念飄逸」難題！谷歌發(fā)布全新時(shí)間感知框架：圖像識(shí)別準(zhǔn)確率提升15%
關(guān)鍵字：數(shù)據(jù),模型,方法,離線,權(quán)重
文章來源：新智元
內(nèi)容字?jǐn)?shù)：4852字

內(nèi)容摘要：

新智元報(bào)道編輯：wewe
【新智元導(dǎo)讀】告別數(shù)據(jù)健忘癥！機(jī)器學(xué)習(xí)新方法實(shí)現(xiàn)「時(shí)空穿越」，助力模型適應(yīng)易變世界。在機(jī)器學(xué)習(xí)領(lǐng)域，概念漂移（concept drift）問題長期困擾著研究者，即數(shù)據(jù)分布隨時(shí)間發(fā)生變化，使得模型難以持續(xù)有效。
一個(gè)顯著的例子是CLEAR非穩(wěn)態(tài)學(xué)習(xí)基準(zhǔn)的圖像展示，它揭示了物體視覺特征在十年間發(fā)生的顯著變化。
這種現(xiàn)象被稱為「緩慢的概念漂移」，它對(duì)物體分類模型提出了嚴(yán)峻的挑戰(zhàn)。當(dāng)物體的外觀或?qū)傩噪S著時(shí)間的推移而改變時(shí)，如何確保模型能夠適應(yīng)這種變化并持續(xù)準(zhǔn)確地進(jìn)行分類，成為了研究者關(guān)注的焦點(diǎn)。
近日，針對(duì)這一挑戰(zhàn)，Google AI的研究人員提出了一種優(yōu)化驅(qū)動(dòng)的方法MUSCATEL（Multi-Scale Temporal Learning） ，顯著提升了模型在大型、動(dòng)態(tài)數(shù)據(jù)集中的表現(xiàn)。該工作發(fā)表于AAAI2024。
論文地址：https://arxiv.org/abs/2212.05908
目前，針對(duì)概率漂移的主流方法是在線學(xué)習(xí)和持續(xù)學(xué)習(xí)（online and continue learning）。
這些方法的核心思想是，通過不斷更新模型以適應(yīng)最新數(shù)據(jù)，保持模型

原文鏈接：對(duì)抗「概念飄逸」難題！谷歌發(fā)布全新時(shí)間感知框架：圖像識(shí)別準(zhǔn)確率提升15%

聯(lián)系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺(tái)，致力于推動(dòng)中國從互聯(lián)網(wǎng)+邁向智能+新紀(jì)元。重點(diǎn)關(guān)注人工智能、機(jī)器人等前沿領(lǐng)域發(fā)展，關(guān)注人機(jī)融合、人工智能和機(jī)器人對(duì)人類社會(huì)與文明進(jìn)化的影響，領(lǐng)航中國新智能時(shí)代。