Continual Learning
Die Methodologie bezieht sich auf die systematischen Methoden und Schritte, die in der Forschung oder beim Problemlösen angewendet werden. Ihr Ziel ist es, durch einen wissenschaftlichen und standardisierten Prozess die Genauigkeit und Zuverlässigkeit der Forschung sicherzustellen, um so die Effizienz und Qualität des Problemlösens zu verbessern. In verschiedenen Bereichen ist der Anwendungswert der Methodologie besonders hervorzuheben; sie hilft Forschenden nicht nur dabei, ihre Forschungsrichtung zu klären, sondern bietet auch eine standardisierte Handlungsanweisung für die Projektdurchführung und fördert die interdisziplinäre Zusammenarbeit sowie den Austausch von Ergebnissen.
20Newsgroup (10 tasks)
5-dataset - 1 epoch
5-Datasets
ASC (19 tasks)
CTR
CIFAR-100 AlexNet - 300 Epoch
CIFAR-100 ResNet-18 - 300 Epochs
IBM
Cifar100 (10 tasks)
RMN (Resnet)
Cifar100 (20 tasks)
Model Zoo-Continual
Cifar100 (20 tasks) - 1 epoch
Coarse-CIFAR100
Model Zoo-Continual
CUB-200-2011 (20 tasks) - 1 epoch
CUBS (Fine-grained 6 Tasks)
CondConvContinual
DSC (10 tasks)
CTR
F-CelebA (10 tasks)
CAT (CNN backbone)
Flowers (Fine-grained 6 Tasks)
CondConvContinual
ImageNet-50 (5 tasks)
RMN
ImageNet (Fine-grained 6 Tasks)
CondConvContinual
mini-Imagenet (20 tasks) - 1 epoch
TAG-RMSProp
miniImagenet
MiniImageNet ResNet-18 - 300 Epochs
MLT17
Permuted MNIST
RMN
Rotated MNIST
Model Zoo-Continual
Sketch (Fine-grained 6 Tasks)
Split CIFAR-10 (5 tasks)
H$^{2}$
split CIFAR-100
Split MNIST (5 tasks)
H$^{2}$
Stanford Cars (Fine-grained 6 Tasks)
CPG
Tiny-ImageNet (10tasks)
ALTA-ViTB/16
TinyImageNet ResNet-18 - 300 Epochs
visual domain decathlon (10 tasks)
NetTailor
Wikiart (Fine-grained 6 Tasks)