边缘端持续学习：智能手机设备上的实时训练

用于个性化学习的设备端训练是一个具有挑战性的研究问题。能够在边缘端快速适配深度预测模型，对于更好地满足个人用户需求是必要的。然而，边缘端适配在学习过程的效率与可持续性以及在处理数据分布漂移时的能力方面提出了一些问题。事实上，仅在新可用数据上朴素地微调预测模型会导致灾难性遗忘，即先前获得知识的突然抹除。在本文中，我们详述了在原生 Android 应用上实现并部署一种混合持续学习策略（AR1*），用于无遗忘的实时设备端个性化。我们基于 CORe50 数据集的扩展所构建的基准测试，展示了我们方案的效率与有效性。