MoTE: Mixture of task-specific experts for pre-trained model-based Class-incremental learning
7Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : cn, cl. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- MoTE: Mixture of task-specific experts for pre-trained model-based Class-incremental learning
- Date Crossref
- 01/08/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Beijing University of Posts and Telecommunications pays non établi dans la noticeUniversité ou école supérieure
-
Ministry of Education pays non établi dans la noticeOrganisme public
-
Engineering Research Center for Information Network pays non établi dans la noticeStructure de recherche
-
School of Information and Communication Engineering pays non établi dans la noticeUniversité ou école supérieure
Beijing University of Posts and Telecommunications, Ministry of Education et Engineering Research Center for Information Network, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Domain Adaptation and Few-Shot LearningMachine Learning and AlgorithmsMultimodal Machine Learning Applications