开放世界机器学习：应用、挑战与机遇
机器学习
2022-02-22 v2 人工智能
摘要
传统机器学习（主要是监督学习）遵循封闭世界学习的假设，即对于每个测试类，均存在可用的训练类。然而，此类机器学习模型无法识别在训练时不可用的类。这些类可称为未见类。而开放世界机器学习（OWML）处理未见类。本文首先概述 OWML 及其在真实世界背景下的重要性。接着，探讨并讨论了开放世界机器学习的不同维度。OWML 领域仅在过去十年才引起研究界的关注。我们检索了不同的在线数字图书馆，并审视了过去十年的工作。本文系统综述了用于 OWML 的多种技术，并提出了开放世界机器学习中的研究空白、挑战与未来方向。本文将帮助研究者理解 OWML 的全面发展以及在不同领域拓展研究的可能性，也将有助于选择合适的 methodologies 与数据集以进一步探索。
引用
@article{arxiv.2105.13448,
title = {Open-world Machine Learning: Applications, Challenges, and Opportunities},
author = {Jitendra Parmar and Satyendra Singh Chouhan and Vaskar Raychoudhury and Santosh Singh Rathore},
journal= {arXiv preprint arXiv:2105.13448},
year = {2022}
}