应用于小样本类增量学习的聚合 f-平均神经网络
机器学习
2024-09-20 v3 人工智能
摘要
集成学习在共同的机器学习任务上利用多个模型（即弱学习器）来提升预测性能。基本的集成方法对弱学习器的输出取平均，而更复杂的做法是在弱学习器输出与最终预测之间堆叠一个机器学习模型。本工作融合了上述两种框架。我们引入了一种聚合 f-平均（AFA）浅层神经网络，该网络建模并组合不同类型的平均，以对弱学习器的预测进行最优聚合。我们强调其可解释的架构与简单的训练策略，并在小样本类增量学习问题上展示了其良好的性能。
引用
@article{arxiv.2310.05566,
title = {Aggregated f-average Neural Network applied to Few-Shot Class Incremental Learning},
author = {Mathieu Vu and Emilie Chouzenoux and Ismail Ben Ayed and Jean-Christophe Pesquet},
journal= {arXiv preprint arXiv:2310.05566},
year = {2024}
}
备注
27 pages, 3 figures, submitted to Signal Processing