数据变化下的机器学习进展综述：跨领域视角
机器学习
2024-02-21 v1 人工智能
计算机视觉与模式识别
摘要
近期人工智能 (AI) 技术在各个学术领域和行业显示出显著的演变。然而，在现实世界中，动态数据给 AI 模型的部署带来了主要挑战。意外的数据变化会导致 AI 模型性能严重下降。我们根据数据变化的设定确定了两个主要的相关研究领域：域偏移和概念漂移。尽管这两个热门研究领域旨在解决分布偏移和非平稳数据流问题，但其底层属性仍然相似，这也促使了类似的技术方法。在本综述中，我们将域偏移和概念漂移重新归类为单一研究问题，即数据变化问题，并对这两个研究领域的最先进方法进行了系统概述。我们提出了一种三阶段问题分类方案，以连接这两个技术领域的关键思想。因此，我们为研究人员提供了一个新的视野，以探索当代技术策略、学习工业应用并确定应对数据变化挑战的未来方向。
引用
@article{arxiv.2402.12627,
title = {A Comprehensive Review of Machine Learning Advances on Data Change: A Cross-Field Perspective},
author = {Jeng-Lin Li and Chih-Fan Hsu and Ming-Ching Chang and Wei-Chao Chen},
journal= {arXiv preprint arXiv:2402.12627},
year = {2024}
}