别怀疑自己：MAGIC Net 用于带时间依赖性的流式持续学习
机器学习
2026-03-10 v1 人工智能
摘要
概念漂移、时间依赖性和灾难性遗忘是从数据流中学习的主要挑战。虽然流式机器学习和持续学习（CL）分别解决这些问题，但近期 efforts 在流式持续学习（SCL）旨在将其统一。在本工作中，我们引入了 MAGIC Net，这是一种新的 SCL 方法，通过将 CL 启发的架构策略与循环神经网络集成来驾驭时间依赖性。MAGIC Net 持续学习，通过对冻结权重应用可学习的掩码来回顾过去的知识，并在必要时扩展其架构。它在线执行所有操作，确保随时可用推理。在合成数据和真实世界数据流上的实验表明，它改进了对新概念的适应性，限制了内存使用，同时减轻了遗忘。
引用
@article{arxiv.2603.08600,
title = {Don't Look Back in Anger: MAGIC Net for Streaming Continual Learning with Temporal Dependence},
author = {Federico Giannini and Sandro D'Andrea and Emanuele Della Valle},
journal= {arXiv preprint arXiv:2603.08600},
year = {2026}
}