PBES：基于PCA的持续学习范例采样算法
PBES: PCA Based Exemplar Sampling Algorithm for Continual Learning
AI总结：
针对类别增量持续学习场景，提出基于PCA和中位数采样的PBES范例选择算法及配套训练机制，可规避异常值问题、易部署，性能超越当前最优方法，还可作为独立采样算法使用。
摘要：
我们提出了一种基于主成分分析（PCA）和中位数采样的新型范例选择方法，以及类别增量学习场景下的神经网络训练机制。该方法避免了数据中异常值带来的缺陷，实现简单，可应用于各类增量机器学习模型，也可作为独立的采样算法独立使用。我们的方法性能优于现有最优方法。
英文摘要：
We propose a novel exemplar selection approach based on Principal Component Analysis (PCA) and median sampling, and a neural network training regime in the setting of class-incremental learning. This approach avoids the pitfalls due to outliers in the data and is both simple to implement and use across various incremental machine learning models. It also has independent usage as a sampling algorithm. We achieve better performance compared to state-of-the-art methods.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
