HCPN-GCN：圆锥几何扩展持续图学习原型网络
热点事件持续更新
HCPN-GCN：圆锥几何扩展持续图学习原型网络
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Sammuel R. Silva 等作者提交预印本论文，提出 HCPN-GCN 方法：把分层原型网络（HPN）原本的线性特征提取器替换为图卷积网络（GCN），并引入基于圆锥的原型与多样性正则目标，用于持续图学习。 作者称，在六个持续图学习基准上，该方法持续提升平均分类准确率，同时保持近零遗忘，并使用约 30 倍更少的原子原型学到更丰富的类级原型层级。该论文发布于 arXiv 的 cs.LG 分类，为预印本。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
HCPN-GCN：用圆锥几何扩展分层原型网络，实现持续图学习报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGHCPN-GCN：用圆锥几何扩展分层原型网络，实现持续图学习
HCPN-GCN 将分层原型网络（HPN）的线性特征提取器替换为 GCN，并引入基于圆锥的原型与多样性正则目标，以应对持续图学习中的灾难性遗忘。在六个持续图学习基准上，该模型持续提升平均分类准确率，同时保持近零遗忘，并使用约 30 倍更少的原子原型学到更丰富的类级原型层级。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。