Open-world Machine Learning: Applications, Challenges,and Opportunities || 阅读笔记
研究背景：传统的机器学习（主要是监督学习）遵循封闭世界学习的假设（将当前未知的事物都设为假的假设），对于他们每个测试类都有一个训练类可用。然而，这样的模型无法识别训练期间看不见的类（即看不见的类）,开放世界机器学习（OWML）则处理看不见的类。研究内容：first概述OWML对现实世界的重要性；next探索和讨论OWML的不同维度。本文对OWML的各种技术进行了系统评价；介绍了OWML的研究差距、