- 전체보기(34)
- transfer learning(5)
- 시계열 예측(4)
- manufacturing(3)
- 진행중(2)
- Representation Learning(2)
- diffusion(1)
- 시계열 이상탐지(1)
- paper-review(1)
[AAAI 22] Design of Explainability Module with Experts in the Loop for Visualization and Dynamic Adjustment of Continual Learning
2가지 어려움 1\. 새롭게 수집된 novelties에 continual learning에 방해가 되는 anomalies를 포함할 수 있음.\-> anomalies는 업데이터 대상으로 볼 것이 아니라, filtering 할 수 있어야 함.2\. continual lea
[ECCV 2018] Memory aware synapses Learning what (not) to forget
기존의 Continual Learning은 2가지 task 사이에서 수행되거나, 여유로운 model의 capacity에서 수행됨.반면, 실생활에서는 제한된 capacity에서 여러가지 task가 계속해서 주어지는 상황을 수행해야 함. 이전 task들에 대해 model이
[2020 Signal Processing] Multi-Layer Domain Adaptation Method for Rolling Bearing Fault Diagnosis
1) 기존 고장 진단을 위한 방법은 훈련과 테스트 데이터가 동일한 분포를 따른다는 가정 하에 수행됨. \- 그러나 실제 상황에서는 Domain-Shift 때문에 해당 가정이 성립하지 않음. \- 이는 일반화 능력을 저하시킴. 2) 타겟 도메인에서 유효한 레이블
[2017 CVPR] Adversarial Discriminative Domain Adaptation (3867회 인용)
\-> robust한 네트워크 훈련 가능\-> 복잡한 샘플 생성 가능\-> domain distribution간의 차이 줄일 수 있고, 일반화 가능함.\-> 설득력 있는 시각화 보여주지만, 작은 shift만 다룰 수 있음.\-> 큰 shift를 처리할 수 있지만, 모델
[2022 PMLR] Domain Adaptation for Time Series Forecasting via Attention Sharing (8회 인용)
시계열 예측 모델의 효과는 충분한 양의 데이터가 있는 경우에만 나타남. 따라서 데이터 부족 문제에 대처하기 위해 새로운 Domain Adaptation 프레임워크인 DAF(Domain Adaptation Forecast)를 제안함. DAF는 풍부한 데이터 샘플(Sour