![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
迁移学习论文复现
文章平均质量分 88
记录研究生阶段的迁移学习领域论文的复现工作
CtrlZ1
浮天水送无穷树,带雨云埋一半山。
展开
-
最优传输论文(十四):Generative Adversarial Nets论文原理
目录前言IntroductionRelated workAdversarial netsTheoretical ResultsGlobal Optimality of pg=pdatap_g= p_{data}pg=pdataConvergence of Algorithm 1论文后面的实验等内容请阅读原文。前言这篇文章的影响力就不用我说了,之前对它的大致内容也有所了解,但是这里想深入回顾一遍。发表于2014年的NIPS,作者是熟悉的名字:Goodfellow等人。它的大致原理我简要说一下,我原创 2021-07-05 21:07:26 · 627 阅读 · 1 评论 -
迁移学习论文(三):Multi-Adversarial Domain Adaptation论文原理及复现工作
目录前言原理阐述文章介绍模型结构标签分类器局部域分类器损失函数优点总结前言本文属于我迁移学习专栏里的一篇,该专栏用于记录本人研究生阶段相关迁移学习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。原理阐述文章介绍这篇文章于2018年发表在AAAI,作者是清华大学龙明盛老师的学生。这篇文章作者提到,域适应存在两个技术挑战:(1)通过最大限度地匹配跨域数据分布的多模式结构来增强正迁移;(2)通过防止跨域分布中模式的错误对齐来减轻负迁移原创 2021-04-18 10:11:17 · 2076 阅读 · 0 评论 -
迁移学习论文(二):Deep Reconstruction-Classification Networks for Unsupervised Domain Adaptation论文原理及复现工作
目录前言原理阐述文章介绍模型结构标签分类器目标域重构器总结前言本文属于我迁移学习专栏里的一篇,该专栏用于记录本人研究生阶段相关迁移学习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。原理阐述文章介绍这篇文章于2016年发表在ECCV,作者是Muhammad Ghifary, W. Bastiaan Kleijn, Mengjie Zhang, David Balduzzi, Wen Li这篇文章作者设计了两个网络,一个是源域数据原创 2021-04-18 09:29:52 · 1495 阅读 · 1 评论 -
迁移学习论文(一):Domain Separation Networks论文原理及复现工作
目录前言原理阐述文章介绍模型结构私有特征提取器共享特征提取器similarity lossdifference loss前言本文属于我迁移学习专栏里的一篇,该专栏用于记录本人研究生阶段相关迁移学习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。原理阐述文章介绍这篇文章于2016年发表在NIPS会议,作者是来自谷歌的研究人员。这篇文章开篇点出,当前领域自适应的研究主要着眼于以下两个方向:1.将不同域的数据映射到同一个域,从而使得源原创 2021-04-16 19:13:01 · 3551 阅读 · 7 评论 -
迁移学习论文(五):Learning Semantic Representations for Unsupervised Domain Adaptation论文原理及复现工作
目录前言原理阐述文章介绍模型结构模型总述超参数设置总结前言本文属于我迁移学习专栏里的一篇,该专栏用于记录本人研究生阶段相关迁移学习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。原理阐述文章介绍这篇文章于2018年发表在ICML会议,作者是Shaoan Xie、Zibin Zheng、Liang Chen、Chuan Chen。这篇文章解决的主要问题是如何利用伪标签来进行域适应。之前的方法都忽略了样本的语义信息,比如之前的算法可原创 2021-04-16 16:03:55 · 1337 阅读 · 3 评论 -
迁移学习论文(四):Generate To Adapt: Aligning Domains using Generative Adversarial Networks论文原理及复现工作
目录前言原理阐述文章介绍模型结构组件作用总论鉴别器D生成器G分类器C特征提取器F警告前言本文属于我迁移学习专栏里的一篇,该专栏用于记录本人研究生阶段相关迁移学习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。原理阐述文章介绍这篇文章于2018年发表在CVPR,作者是Swami Sankaranarayanan,Yogesh Balaji,Carlos D. Castillo,Rama Chellappa。这篇文章的主要贡献是提出原创 2021-04-16 15:19:37 · 1367 阅读 · 1 评论