通过双层优化构建核心集用于持续学习与流式处理
机器学习
2020-10-23 v2 机器学习
摘要
核心集是足以用于模型训练的小型数据摘要。它们可以在线维护，从而能够在资源受限下高效处理大型数据流。然而，现有构造仅限于 k-means 和逻辑回归等简单模型。在本文中，我们提出一种通过基数约束双层优化构建核心集的新方法。我们展示了我们的框架如何为深度神经网络高效生成核心集，并证明了其在持续学习与流式设置中的实证优势。
引用
@article{arxiv.2006.03875,
title = {Coresets via Bilevel Optimization for Continual Learning and Streaming},
author = {Zalán Borsos and Mojmír Mutný and Andreas Krause},
journal= {arXiv preprint arXiv:2006.03875},
year = {2020}
}
备注
NeurIPS 2020