کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Even in the era of large models, one of the well-known issues in continual learning (CL) is catastrophic forgetting, which is significantly challenging when the continual data stream exhibits a long-tailed distribution, termed as Long-Tailed Continual Learning (LTCL). Existing LTCL solutions generally require the label distribution of the data stream to achieve re-balance training. However, obtaining such prior information is often infeasible in real scenarios since the model should learn without pre-identifying the majority and minority classes. To this end, we propose a novel Prior-free Balanced Replay (PBR) framework to learn from long-tailed data stream with less forgetting. Concretely, motivated by our experimental finding that the minority classes are more likely to be forgotten due to the higher uncertainty, we newly design an uncertainty-guided reservoir sampling strategy to prioritize rehearsing minority data without using any prior information, which is based on the mutual dependence between the model and samples. Additionally, we incorporate two prior-free components to further reduce the forgetting issue: (1) Boundary constraint is to preserve uncertain boundary supporting samples for continually re-estimating task boundaries. (2) Prototype constraint is to maintain the consistency of learned class prototypes along with training. Our approach is evaluated on three standard long-tailed benchmarks, demonstrating superior performance to existing CL methods and previous SOTA LTCL approach in both task- and class-incremental learning settings, as well as ordered- and shuffled-LTCL settings.
چکیده به فارسی (ترجمه ماشینی)
حتی در دوره مدل های بزرگ ، یکی از موضوعات شناخته شده در یادگیری مداوم (CL) فراموشی فاجعه بار است ، که وقتی جریان داده های مداوم یک توزیع بلند و بلند را به نمایش می گذارد ، به طور قابل توجهی چالش برانگیز است ، که به عنوان یادگیری مداوم با دم بلند گفته می شود (LTCL).راه حل های LTCL موجود به طور کلی نیاز به توزیع برچسب جریان داده برای دستیابی به آموزش تعادل مجدد دارد.با این حال ، به دست آوردن چنین اطلاعات قبلی اغلب در سناریوهای واقعی غیرقابل نفوذ است زیرا مدل باید بدون شناسایی کلاسهای اکثریت و اقلیت ها یاد بگیرد.برای این منظور ، ما یک چارچوب رمان قبلی را برای پخش مجدد تعادل (PBR) ارائه می دهیم تا از جریان داده های بلند و با فراموشی کمتر یاد بگیریم.به طور مشخص ، با انگیزه ای از یافته های تجربی ما مبنی بر اینکه کلاس های اقلیت به دلیل عدم اطمینان بالاتر به احتمال زیاد فراموش می شوند ، ما به تازگی یک استراتژی نمونه گیری مخزن با هدایت عدم اطمینان را برای اولویت بندی تمرین های اقلیت بدون استفاده از اطلاعات قبلی طراحی می کنیم ، که مبتنی بر متقابل است.وابستگی بین مدل و نمونه ها.علاوه بر این ، ما دو مؤلفه آزاد قبلی را برای کاهش بیشتر مسئله فراموشی درج می کنیم: (1) محدودیت مرزی حفظ نمونه های پشتیبانی از مرز نامشخص برای ارزیابی مجدد مداوم مرزهای کار است.(2) محدودیت نمونه اولیه حفظ قوام نمونه های اولیه کلاس به همراه آموزش است.رویکرد ما در سه معیار استاندارد بلند و بلند ارزیابی شده است ، که نشان دهنده عملکرد برتر نسبت به روشهای CL موجود و رویکرد قبلی SOTA LTCL در هر دو تنظیمات یادگیری وظیفه و کلاس و همچنین تنظیمات سفارش داده شده و تغییر یافته-LTCL است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
