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。
持续学习 类增量学习 解析学习 谱分解
原文链接