mos1896的博客

15年的文章：Unsupervised Domain Adaptation by BackpropagationDomainAdatation的定义Learning a discriminative classifier or other predictor in the presence of a shift between training and test distributions is known asdomain adaptation(DA).在训练分布和测试分布之间发生变化

这篇文章必看为了防止网页失效，我还是打算复制一下本人公众号：算法的秘密 聚焦面试中各种算法题，欢迎关注知乎上有个讨论，说学数学的看不起搞深度学习的。曲直对错不论，他们看不起搞深度学习的原因很简单，因为从数学的角度看，深度学习仅仅是一个最优化问题而已。比如，被炒的很热的对抗式生成网络(GAN)，从数学看，基本原理很容易就能说明白，剩下的仅仅是需要计算资源去优化参数，是个体力活。本文的目的就是尽可能简单地从数学角度解释清楚GAN的数学原理，看清它的庐山真面目。1，从生成模型说起机器学习的模型可分为生

先验知识题外话（来自网络）：（最近，learning to rank 的思想逐渐被应用到很多领域，比如google用来做人脸识别（faceNet），微软Jingdong Wang 用来做 person-reid 等等。learning to rank中其中重要的一个步骤就是找到一个好的similarity function，而triplet loss是用的非常广泛的一种。）对于输入x，经过网络A后得到f(x)相当于从特征x映射到特征空间R1在R1中，我们可以比较两个特征向量f(x1)和f(x2)之