\'Evaluation de l'apprentissage incr\'emental par analogie (Incremental Learning From Scratch Using Analogical Reasoning )
Cet article examine l{'}utilisation du raisonnement analogique dans le contexte de l{'}apprentissage incr{\'e}mental. Le probl{\e}me d{'}apprentissage sous-jacent d{\'e}velopp{\'e} est le transfert de requ{\^e}tes formul{\'e}es en langue naturelle vers des commandes dans un langage de programmation. Nous y explorons deux questions principales : Comment se comporte le raisonnement par analogie dans le contexte de l{'}apprentissage incr{\'e}mental ? De quelle mani{\e}re la s{\'e}quence d{'}apprentissage influence-t-elle la performance globale ? Pour y r{\'e}pondre, nous proposons un protocole exp{\'e}rimental simulant deux utilisateurs et diff{\'e}rentes s{\'e}quences d{'}apprentissage. Nous montrons que l{'}ordre dans la s{\'e}quence d{'}apprentissage incr{\'e}mental n{'}a d{'}influence notable que sous des conditions sp{\'e}cifiques. Nous constatons {\'e}galement la compl{\'e}mentarit{\'e} de l{'}apprentissage incr{\'e}mental avec l{'}analogie pour un nombre d{'}exemples d{'}apprentissage minimal.
Code (0)
등록된 구현이 없습니다.
Tasks
es-enIncremental LearningSimilar Papers 제목 키워드 기반
Apprentissage bay\'esien incr\'emental pour la d\'etermination de l'\^age et du genre d'utilisateurs de plateformes du web social (UGC text-based age \& gender author profiling through incrementally semi-supervised bayesian learning)
Les m{\'e}thodes de classification textuelles bas{\'e}es sur l{'}apprentissage automatique ont l{'}avantage, en plus d{'}{\^e}tre robustes, de fournir des r{\'e}sultats satisfaisants, sous r{\'e}serve de disposer d{'}une…
Author ProfilingAdaptation incr\'ementale de mod\`eles de traduction neuronaux (Incremental adaptation of neural machine translation models)
L{'}adaptation au domaine est un verrou scientifique en traduction automatique. Il englobe g{\'e}n{\'e}ralement l{'}adaptation de la terminologie et du style, en particulier pour la post-{\'e}dition humaine dans le cadre…
Machine TranslationTranslationLearn by Reasoning: Analogical Weight Generation for Few-Shot Class-Incremental Learning
Few-shot class-incremental Learning (FSCIL) enables models to learn new classes from limited data while retaining performance on previously learned classes. Traditional FSCIL methods often require fine-tuning parameters …
class-incremental learningClass Incremental LearningFew-Shot Class-Incremental LearningIncremental LearningTemporal dynamics of semantic relations in word embeddings: an application to predicting armed conflict participants
This paper deals with using word embedding models to trace the temporal dynamics of semantic relations between pairs of words. The set-up is similar to the well-known analogies task, but expanded with a time dimension. T…
Word EmbeddingsGene Incremental Learning for Single-Cell Transcriptomics
Classes, as fundamental elements of Computer Vision, have been extensively studied within incremental learning frameworks. In contrast, tokens, which play essential roles in many research fields, exhibit similar characte…
Class Incremental Learning