最优传输论文（三）：Joint distribution optimal transportation for domain adaptation论文原理

最新推荐文章于 2023-05-21 16:48:37 发布
最新推荐文章于 2023-05-21 16:48:37 发布
阅读量923 收藏 3
点赞数 4
分类专栏： 领域自适应与最优传输 文章标签： 深度学习 最优传输 领域自适应 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41076797/article/details/116608774
版权

目录

前言

  • 本文属于我最优传输系列里的三篇，该专栏用于记录本人研究生阶段相关最优传输论文的原理阐述以及复现工作。
  • 本专栏的文章主要内容为解释原理，论文具体的翻译及复现代码在文章的github中。

原理阐述

摘要

  • 本文讨论了无监督域自适应问题，即在没有任何标记样本的情况下，利用已知标记的源域的知识估计一个预测函数 f f f。作者的研究基于以下假设:在两个域的联合特征/标记空间分布之间存在一个非线性变换，可以用最优传输估计。我们用OT提出了一种解决方案，通过同时优化最优耦合和
了解本专栏 订阅专栏 解锁全文 超级会员免费看
CtrlZ1
关注
  • 4
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
最优传输论文（八）：Optimal Transport for Multi-source Domain Adaptation under Target Shift论文原理
lyy的博客
05-23 915
目录前言原理阐述介绍最优传输Basics and NotationsEntropic RegularizationDOMAIN ADAPTATION UNDER THE TARGET SHIFTJOINT CLASS PROPORTION AND OPTIMAL TRANSPORT (JCPOT)Data and Class-Based WeightingMulti-Source Domain Adaptation with JCPOT 前言 本文属于我最优传输系列里的八篇，该专栏用于记录本人研究生阶段相
【最优传输论文笔记一】Optimal Transport for Domain Adaptation
m0_60231311的博客
03-24 2086
在本文中，描述了一种基于最优传输的新框架来解决无监督领域自适应问题。我们提出了两种正则化方案来在运输计划的估计过程中对源域中的类结构进行编码，从而强化了同一类的样本必须经历类似变换。并将这种OT正则化框架扩展到半监督域自适应情况，即目标域中几乎没有标签可用的情况。关于计算方面，建议使用条件梯度算法的修改版本，即广义条件梯度分裂，这使该方法能够扩展到真实世界的数据集。最后，我们将所提出的方法应用于合成数据集和现实世界数据集。结果表明，最优运输领域自适应方案往往优于竞争的最先进的方法。
Optimal Transport for Domain Adaptation
12-20
Domain adaptation is one of the most challenging tasks of modern data analytics. If the adaptation is done correctly, models built on a specific data representation become more robust when confronted to data depicting the same classes, but described by another observation system. Among the many strategies proposed, finding domain-invariant representations has shown excellent properties, in particular since it allows to train a unique classifier effective in all domains. In this paper, we propose a regularized unsupervised optimal transportation model to perform the alignment of the representations in the source and target domains. We learn a transportation plan matching both PDFs, which constrains labeled samples of the same class in the source domain to remain close during transport. This way, we exploit at the same time the labeled samples in the source and the distributions observed in both domains. Experiments on toy and challenging real visual adaptation examples show the interest of the method, that consistently outperforms state of the art approaches. In addition, numerical experiments show that our approach leads to better performances on domain invariant deep learning features and can be easily adapted to the semi-supervised case where few labeled samples are available in the target domain.
【最优传输论文笔记二】（2017 NIPS）Joint distribution optimal transportation for domain adaptation
m0_60231311的博客
04-11 345
我们在本文中提出了用于域自适应的联合分布最优传输。JDOT假设存在将源域联合分布转换为目标域等效版本的转移映射。通过这种变换，可以操作特征空间和条件分布的对齐，从而能够设计出一种有效的算法，该算法同时优化和之间的耦合，以及解决传递问题的预测函数。还展示了我们方法的多功能性，可以适应几种类型的损失函数（mse、铰链）或一类假设（包括核机器或神经网络）。
最优传输论文（二）Deep Joint Distribution Optimal Transport for Unsupervised Domain Adaptation
qq_42595295的博客
12-01 1041
DeepJDOT是基于ot的将特征和标签联合的差异度量进行优化的方法，Deep的含义为使用CNN构造特征提取器g和分类器f。
【最优传输论文八】Optimal Transport for Multi-source Domain Adaptation under Target Shift
m0_60231311的博客
05-21 700
本文提出了一种基于最优传输(OT)的目标偏移校正算法。最初，OT解决了一个问题，即以一种最小化在它们之间移动单位质量的成本的方式对齐两个概率度量，同时保留原始的边际。最近出现的有效的OT公式允许其在数据处理中的应用，因为OT允许明确地学习将给定源pdf转换为目标样本的pdf。提出新的目标移位特定算法的动机源于这样一个事实，即许多流行的用于处理协变量移位的数据挖掘算法不能同样好地处理目标移位。
最优传输论文（七）Reliable Weighted Optimal Transport for Unsupervised Domain Adaptation
qq_42595295的博客
01-05 670
见前言
匹配代码和法律：通过最优传输实现算法公平-研究论文
06-10
其次，我们使用最优传输理论，特别是重心的概念，在选择的公平约束下最大化决策者效用。 第三，该算法能够处理交叉性的情况，即基于多个标准对某些群体进行多维歧视的情况。 我们讨论了三个主要示例（学分申请；...
这是最优传输理论（optimal transport theory）实现的工具箱，里面包含了完整的matlab代码。
11-01
最优传输理论，也称为 Monge-Kantorovich 理论，是数学中处理分布之间概率转移问题的一个分支，尤其在统计学、机器学习和计算几何等领域有着广泛应用。它旨在找到从一个概率分布到另一个分布的最经济或最优的转换...
论文研究-On the Optimal Threshold Determination in Rate Adaptation for Wireless Networks .pdf
08-15
On the Optimal Threshold Determination in Rate Adaptation for Wireless Networks，万毅，孙沛，Multiple transmission rates have been established as an important way for increasing effective throughput ...
可解释性深度生成模型-最优传输理论- Optimal Transport old and new
最新发布
10-31
理论书籍
顾老师GAN最优传输理论pdf整理.rar
11-12
顾老师GAN最优传输理论pdf整理，最优传输是数学领域的经典分支,最优传输与神经网络有天然的相似性,最优传输理论的研究也许能为深度学习理论研究打开一扇窗！
顾老师GAN最优传输理论pdf整理
01-10
最优传输是数学领域的经典分支,最优传输与神经网络有天然的相似性,最优传输理论的研究也许能为深度学习理论研究打开一扇窗,或者至少能指导一些深度学习！
【迁移学习】JDA（Joint Distribution adaptation ）小结
小李好好学
04-17 8636
JDA（Joint Distribution adaptation ）一种联合分布自适应的方法。 问题描述： 迁移学习是一门利用源域知识来提升目标域知识的学科（这里说的比较笼统），JDA是一种即考虑两个域之间的边缘分布（ marginal distributation）又考虑条件分布（conditional distribution）的经典迁移学习方法。 领域(Domain):一个领域（Domai...
最优传输论文（四）：DeepJDOT Deep Joint Distribution Optimal Transport for Unsupervised Domain Adaptation论文原理
lyy的博客
05-12 967
目录前言原理阐述文章介绍前言模型结构Solving the optimization problem with stochastic gradients实验论证（Experiments and Results）Digit classificationOffice-HomeVisDA-2017 前言 本文属于我最优传输系列里的四篇，该专栏用于记录本人研究生阶段相关最优传输论文的原理阐述以及复现工作。 本专栏的文章主要内容为解释原理，论文具体的翻译及复现代码在文章的github中。 原理阐述 文章介绍
最优传输论文（三十三）：Joint Partial Optimal Transport for Open Set Domain Adaptation论文原理
lyy的博客
09-08 425
文章目录前言摘要1 Introduction2 Related Work3 方法论3.1 Partial Optimal Transport 前言 文章来自2020年的IJCAI 本文是本人领域自适应与最优传输系列论文的第33篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~ 摘要 域自适应（DA）通过利用来自源域的标记数据来适应未标记的目标域，在学习好的分类器方面取得了
迁移学习之图像分类域适应
一路狂奔的猪的博客
01-05 3811
这半年来主要研究迁移学习，因此想通过几篇博客进行一下总结，从迁移学习，到深度迁移学习，对抗迁移学习，到图像分类域适应，再到语义分割域适应。 下面是迁移学习较新的综述 ： 2018 一篇最近的非对称情况下的异构迁移学习综述：Asymmetric Heterogeneous Transfer Learning: A Survey 2018 Neural style transfer的一个surv...
（转）Awsome Domain-Adaptation
a1424262219的博客
08-06 448
Awsome Domain-Adaptation 2018-08-0619:27:54 This blog is copied from:https://github.com/zhaoxin94/awsome-domain-adaptation This repo is a collection of AWESOME things about domian ada...
最优传输论文（一）：Domain Adaptation with Regularized Optimal Transport论文原理
lyy的博客
05-10 891
目录前言原理阐述文章介绍Monge-Kantorovitch ProblemRegularized Optimal T ransportDomain Adaptation with Label Regularized Optimal TransportMajoration Minimization Strategy 前言 本文属于我最优传输系列里的一篇，该专栏用于记录本人研究生阶段相关最优传输论文的原理阐述以及复现工作。 本专栏的文章主要内容为解释原理，论文具体的翻译及复现代码在文章的github中。
joint distribution optimal transportation for domain adaptation
04-29
联合分布最优输运（joint distribution optimal transportation）是一种实现域适应的方法。域适应是指将源域的知识迁移到不同但相关的目标域中，目的是在不需要标签的情况下提高目标域的学习效果。联合分布最优输运...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CtrlZ1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值