Transferability versus Discriminability:Joint Probability Distribution Adaptation (JPDA)
最新的一篇迁移学习(传统方法)
读后感。。。
一、introduction
传统的迁移学习可以分成:
基于参数的:需要目标域中有带有label的样本
基于实例的:需要源域和目标域有相同的条件分布
基于特征的:需要源域和目标域存在一个共同的子空间,源域和目标域有相似的分布即可。
那么这篇文章就是:无监督的,基于特征的transfer learning
二、以前基于特征的transfer learning
一般基于特征的TL:
目的:通过一个分布矩阵(A)来降低源域和目标域的分布差异。
这些分布矩阵有:MMD(最常用), KullbackLeibler divergence, Wasserstein distance等。
MMD: 主要用边缘分布和条件分布来衡量。(TL 方法:TCA,JDA,BDA)
三、本文提出的方法 (JPDA)
首先,他提出了两个因素,在衡量DA(基于特征迁移的方法)
1、transferability&