활용 사례 연구
Unsupervised Continual Learning with Growing Self-Organizing Maps and Synthetic Replay
ARarXiv
원본 데이터를 저장하지 않고도 지속적인 학습을 가능하게 하는 생성적 프레임워크를 제안합니다. 핵심은 성장하는 자기조직 지도(GSOM)와 분포 통계 메모리 활용입니다.
세 줄 요약
- 이 방법은 명시적인 레이블이나 태스크 경계 없이 작동하는 완전한 비지도 학습 방식입니다. 분포 통계를 이용해 합성 샘플을 만들어 재학습에 사용합니다.
- 비지도 방식으로 구현되었음에도 불구하고, 기존의 지도 학습 기반 최고 성능 모델과 경쟁할 수 있는 뛰어난 결과를 보여줍니다.
- 특히 단일 클래스 증분 학습 같은 까다로운 환경에서도 기준 모델을 능가하는 성능이 확인되어 높은 확장성을 입증했습니다.
원본 데이터를 저장하지 않고도 지속적인 학습을 가능하게 하는 생성적 프레임워크를 제안합니다. 핵심은 성장하는 자기조직 지도(GSOM)와 분포 통계 메모리 활용입니다.