Forschung
<p>Temporal imbalance erklärt Bias bei Class-Incremental Learning</p> <p>Mit der zunehmenden Verbreitung von Deep‑Learning in Bildverarbeitungsaufgaben gewinnt das Paradigma des Class‑Incremental Learning (CIL) immer mehr an Bedeutung. Dabei steht die Herausforderung des „catastrophic forgetting“ im Fokus: Modelle neigen dazu, neue Klassen zu bevorzugen und die Leistung auf älteren Klassen zu verlieren. Bisher wurde dieser Bias vor allem auf ein Ungleichgewicht innerhalb einzelner Aufgaben zurückgeführt und
arXiv – cs.LG