面向条件生成对抗网络的模式感知持续学习
机器学习
2023-09-26 v3 机器学习
摘要
生成模型持续学习的主要挑战在于以有限样本有效学习新目标模式，同时保留已学模式。为此，我们借助专为生成建模设计的模式亲和度分数，提出一种面向条件生成对抗网络的持续学习新方法。首先，生成器产出已有模式的样本以供后续回放。随后利用判别器计算模式相似度度量，识别出距目标最近的一组已有模式。接着，为目标模式生成标签，取该集合内标签的加权平均作为其值。我们通过以新生成标签在目标数据上训练模型来扩展持续学习模型，同时进行记忆回放以降低灾难性遗忘风险。在基准数据集上的实验结果表明，即便使用更少训练样本，我们的持续学习方法相较最先进方法仍具优势。
引用
@article{arxiv.2305.11400,
title = {Mode-Aware Continual Learning for Conditional Generative Adversarial Networks},
author = {Cat P. Le and Juncheng Dong and Ahmed Aloui and Vahid Tarokh},
journal= {arXiv preprint arXiv:2305.11400},
year = {2023}
}