最优传输论文(三十二):Deep multi-Wasserstein unsupervised domain adaptation论文原理
于 2021-09-10 20:19:22 首次发布
本文提出了一种名为MCDA的深度无监督域自适应方法,通过最小化源真实风险、域差异并控制联合误差来解决负迁移问题。MCDA利用多批评(multi-critic)来学习多个Wasserstein距离,同时借助高置信目标样本的混合分类器来逼近理想的联合假设。实验表明,MCDA在无监督域自适应中表现出色,优于现有方法。
摘要由CSDN通过智能技术生成