![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
迁移学习
努力干活还不粘人的小妖精
xioapiha
展开
-
领域自适应论文总结系列(二)
引言上一节主要介绍了通过分布匹配来解决领域自适应问题的方法,主要是在神经网络中添加距离约束,利用MMD等距离度量使得源域和目标域的数据经过网络后得到的特征分布比较相似,从而可以使得在源域上学到的模型能更好的迁移到目标域。领域自适应问题的关键就在于如何使得源域和目标域的数据更好的进行分布匹配,这一点除了可以通过MMD等距离约束实现,也可以使用对抗训练的思想,这也是本文将要介绍的重点内容。一、DANN (RevGrad)较早的使用对抗训练思想解决领域自适应问题的研究是Yaroslav Ganin等人原创 2020-12-23 22:01:29 · 2393 阅读 · 2 评论 -
领域自适应论文总结系列(一)
引言领域自适应是迁移学习中的一类重要问题,主要解决当训练集和测试集的数据分布存在偏差时,如何使得训练出的分类器更好的适应测试集上的数据。早期的基于统计学习等浅层模型的做法主要是先设计一套特征提取方法,然后对训练集和测试集的特征进行分布匹配,此时再将分类器用到测试集上会取得更好的预测效果。但是这种分步式的操作效果还是比较有限的,不能同时兼顾数据分布和分类器的训练,要想实现端到端的在数据分布差异约束下进行分类训练,就要依靠神经网络。近几年来使用深度学习方法解决领域自适应问题的文章有很多,都取得了比较好的效果原创 2020-11-03 15:33:05 · 4626 阅读 · 0 评论