面向智慧城市的持续学习：综述
机器学习
2024-04-02 v1 人工智能
摘要
随着现代城市的数字化，庞大的数据量和强大的计算资源促进了部署在智慧城市中的智能模型的快速更新。持续学习（CL）是一种新颖的机器学习范式，不断更新模型以适应不断变化的环境，其中学习任务、数据和分布会随时间变化。我们的综述对广泛应用于智慧城市发展的持续学习方法进行了全面回顾。内容由三部分组成：1）方法层面。我们将大量基础 CL 方法和高级 CL 框架与包括图学习、时空学习、多模态学习和联邦学习在内的其他学习范式相结合进行分类。2）应用层面。我们介绍了涵盖交通、环境、公共卫生、安全、网络以及与城市计算相关联的数据集的众多 CL 应用。3）挑战。我们讨论了当前的问题和挑战，并展望了几个有前景的研究方向。我们相信这篇综述可以帮助相关研究人员快速熟悉智慧城市发展中持续学习研究的现状，并引导他们关注未来的研究趋势。
引用
@article{arxiv.2404.00983,
title = {Continual Learning for Smart City: A Survey},
author = {Li Yang and Zhipeng Luo and Shiming Zhang and Fei Teng and Tianrui Li},
journal= {arXiv preprint arXiv:2404.00983},
year = {2024}
}
备注
Preprint. Work in Progress