多模态概念漂移的 Lyapunov 稳定自适应控制
机器学习
2025-10-21 v1 人工智能
摘要
多模态学习系统常在非平稳环境中难以应对概念漂移，因为数据分布的变化会降低性能。模态特定漂移以及缺乏持续、稳定适应的机制加剧了这一挑战。本文引入 LS-OGD，一种针对概念漂移环境下稳健多模态学习的新型自适应控制框架。LS-OGD 使用在线控制器，动态调整模型的学习率和不同数据模态之间的融合权重，以响应检测到的漂移和不断变化的预测误差。我们证明，在受限漂移条件下，LS-OGD 系统的预测误差在一致最终有界，并在漂移停止时收敛于零。此外，我们演示自适应融合策略有效隔离并缓解严重模态特定漂移的影响，从而确保系统的韧性和容错性。这些理论保证为开发可靠且持续适应的多模态学习系统奠定了原则性基础。
关键词
引用
@article{arxiv.2510.15944,
title = {Lyapunov-Stable Adaptive Control for Multimodal Concept Drift},
author = {Tianyu Bell Pan and Mengdi Zhu and Alexa Jordyn Cole and Ronald Wilson and Damon L. Woodard},
journal= {arXiv preprint arXiv:2510.15944},
year = {2025}
}