智能AI
morning
使用 Sheaf SyncMap 进行稳定的无监督连续分块
摘要
arXiv:2609.25143v1 Announce Type: new Abstract: Unsupervised Continual chunking is a fundamental problem in machine learning and neuroscience, where the goal is to identify groups of states that frequ...
the
that
and
SyncMap
new
Continual
chunking
machine
learning
while
2026-09-23
1 阅读
约1分钟阅读
Xueyuan Li, Danilo Vasconcellos Vargas
字号:
arXiv:2609.25143v1 公告类型：新 摘要：无监督连续分块是机器学习和神经科学中的一个基本问题，其目标是识别在时间序列中频繁同时出现的状态组。一个关键的挑战是形成准确的块，同时保持其随着时间的推移的稳定性。在这项工作中，我们提出了层正则化，以减少自组织系统 Decentralized SyncMap 中的局部不一致，从而稳定其分块动态。我们引入了一种径向束结构，它可以惩罚变量对之间距离相关的径向运动。实验结果表明，在使用两状态内存的 18 个概率连续一般分块问题 (CGCP) 图中的 12 个以及使用动态内存的 18 个图中的 17 个上，所提出的方法在评估的 SyncMap 变体中实现了最高的归一化互信息 (NMI)。在顺序适应实验中，Sheaf SyncMap 在输入分布发生变化后也实现了较高的 NMI，这表明它可以适应新知识，同时避免神经网络等现代机器学习系统中常见的负迁移。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱