AIGC動態歡迎閱讀

原標題：對抗「概念飄逸」難題！谷歌發布全新時間感知框架：圖像識別準確率提升15%
關鍵字：數據,模型,方法,離線,權重
文章來源：新智元
內容字數：4852字

內容摘要：

新智元報道編輯：wewe
【新智元導讀】告別數據健忘癥！機器學習新方法實現「時空穿越」，助力模型適應易變世界。在機器學習領域，概念漂移（concept drift）問題長期困擾著研究者，即數據分布隨時間發生變化，使得模型難以持續有效。
一個顯著的例子是CLEAR非穩態學習基準的圖像展示，它揭示了物體視覺特征在十年間發生的顯著變化。
這種現象被稱為「緩慢的概念漂移」，它對物體分類模型提出了嚴峻的挑戰。當物體的外觀或屬性隨著時間的推移而改變時，如何確保模型能夠適應這種變化并持續準確地進行分類，成為了研究者關注的焦點。
近日，針對這一挑戰，Google AI的研究人員提出了一種優化驅動的方法MUSCATEL（Multi-Scale Temporal Learning） ，顯著提升了模型在大型、動態數據集中的表現。該工作發表于AAAI2024。
論文地址：https://arxiv.org/abs/2212.05908
目前，針對概率漂移的主流方法是在線學習和持續學習（online and continue learning）。
這些方法的核心思想是，通過不斷更新模型以適應最新數據，保持模型

原文鏈接：對抗「概念飄逸」難題！谷歌發布全新時間感知框架：圖像識別準確率提升15%

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。