- 论文公开站arXiv
SPARCL：基于谱分解的解析持续学习方法
SPARCL: Spectral Partitioned Analytic Continual Learning
SPARCL是一种新的解析持续学习方法，通过将自相关矩阵分解为高能核心和残差部分，仅更新残差块，从而避免旧类特征谱干扰。实验表明，在CIFAR-100、CUB-200等数据集上，SPARCL显著缩小了与强表示匹配方法的差距，并与Fly-CL等方法互补。
意义：为持续学习提供新理论视角，简化更新过程，提升旧类稳定性，对类增量学习场景有实际应用价值。
- 开源项目公开站GitHub
scikit-learn：Python 机器学习库
scikit-learn/scikit-learn — scikit-learn: machine learning in Python
scikit-learn 是 Python 中用于机器学习的开源库，提供分类、回归、聚类、降维等算法，以及模型选择和预处理工具。基于 NumPy、SciPy 和 matplotlib，拥有简洁一致的 API，广泛用于学术与工业。GitHub 星标超过 67000，社区活跃，文档完善。摘要显示其功能全面，是 Python 机器学习生态的核心组件。
意义：scikit-learn 是 Python 机器学习的基石，为开发者提供标准化工具，广泛应用于学术与工业，其稳定性和社区支持对 AI 领域至关重要。