机器学习中的差分复制
机器学习
2020-07-17 v1 机器学习
摘要
当部署于实际环境中时，机器学习模型通常会面临不断变化的数据和需求，这要么是因为生成分布发生了变化，要么是因为外部约束改变了模型运行的环境。为了在这样的生态系统中生存，机器学习模型需要通过随时间演化来适应新条件。模型适应性的思想已从不同的角度得到研究。在本文中，我们提出了一种基于复用已部署机器学习模型所获取的知识，并利用其训练未来代模型的解决方案。这就是机器学习模型差分复制背后的思想。
引用
@article{arxiv.2007.07981,
title = {Differential Replication in Machine Learning},
author = {Irene Unceta and Jordi Nin and Oriol Pujol},
journal= {arXiv preprint arXiv:2007.07981},
year = {2020}
}
备注
8 pages, 1 Figure, 34 References