icarl: incremental classifier and representation learning

icarl是一种增量分类器和表示学习方法，它可以在不断增加新类别的情况下，不断更新模型的参数和特征表示，以实现更好的分类性能。该方法通过使用记忆缓冲区来存储之前训练的样本，以及使用重要性加权来平衡新旧样本的影响，从而实现增量学习。此外，icarl还使用了一种动态阈值策略来控制模型的遗忘和保留，以避免过拟合和遗忘。