最优传输论文（二十五）：Multi-Source Distilling Domain Adaptation论文原理

---

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