arXiv · 机器人与计算机视觉· Sammuel R. Silva, Vander L. S. Freitas, Gladston Moreira, Eduardo J. S. Luz, Rodrigo Silva·· 2026-10-08AI 评分23
HCPN-GCN:用锥几何扩展层级原型网络以解决持续图学习中的灾难性遗忘
HCPN-GCN: Scaling Hierarchical Prototype Networks with Cone Geometry for Continual Graph Learning
AI 导读
HCPN-GCN 通过替换线性特征提取器为图卷积网络并引入带多样性正则化的锥基原型,解决了传统 HPN 在结构多样图上原型增长低效的问题。实验显示该模型在六个基准测试中平均分类准确率优于原始 HPN 及代表性持续学习基线,同时保持近零遗忘。分析表明其使用约 30 倍更少的原子原型即可学习到更丰富的类层级原型层次。
来源:arXiv · 机器人与计算机视觉 · arxiv.org