...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Multimedia Tools and Applications >An integrated classification model for incremental learning
【24h】

An integrated classification model for incremental learning

机译：增量学习的集成分类模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Incremental Learning is a particular form of machine learning that enables a model to be modified incrementally, when new data becomes available. In this way, the model can adapt to the new data without the lengthy and time-consuming process required for complete model re-training. However, existing incremental learning methods face two significant problems: 1) noise in the classification sample data, 2) poor accuracy of modern classification algorithms when applied to modern classification problems. In order to deal with these issues, this paper proposes an integrated classification model, known as a Pre-trained Truncated Gradient Confidence-weighted (Pt-TGCW) model. Since the pre-trained model can extract and transform image information into a feature vector, the integrated model also shows its advantages in the field of image classification. Experimental results on ten datasets demonstrate that the proposed method outperform the original counterparts.
机译：增量学习是一种特定的机器学习形式，当新数据变得可用时，可以逐步修改模型。 以这种方式，该模型可以适应新数据，而无需完全模型重新培训所需的冗长和耗时的过程。 然而，现有的增量学习方法面临两个重大问题：1）分类样本数据中的噪声，2）当应用于现代分类问题时，现代分类算法的准确性差。 为了处理这些问题，本文提出了一种集成的分类模型，称为预先训练的截断梯度置信度（PT-TGCW）模型。 由于预先训练的模型可以提取和将图像信息提取到特征向量中，因此集成模型还显示其在图像分类领域中的优点。 在十个数据集上的实验结果表明，所提出的方法优于原始对应物。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号