文章目录
前言
- 文章来自2020年的AAAI
- 本文是本人迁移学习与最优传输系列论文的第25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
- 当有标记的源域和无标记的目标域之间存在域转移时,深度神经网络的性能会下降,这激发了对域自适应的研究。传统的数据分析方法通常假设标记数据是从单个源分布中采样的。然而,在实践中,标记数据可能从多个来源收集,而单源数据挖掘算法的简单应用可能导致次优解决方案。本文提出了一种新的多源提取域自适应(MDDA)网络,该网络不仅考虑了多源与目标之间的不同距离,还研究了源样本与目标样本的不同相似性。具体地,所提出的MDDA包括四个阶段:(1)使用来自每个源的训练数据分别预训练源分类器;(2)通过最小化源和目标之间的经验瓦瑟斯坦距离,将目标分别对抗性地映射到每个源的特征空间中&#x