- 博客(2)
- 资源 (1)
- 收藏
- 关注
原创 Estimating Generalization under Distribution Shifts via Domain-Invariant Representations
Estimating Generalization under Distribution Shifts via Domain-Invariant RepresentationsAbstract本文使用一组domain-invariant predictors来近似(proxy)未知域的真实标签;由于所得风险估计的误差取决于近似(proxy)模型的目标风险,本文研究了域不变表示的泛化,并表明隐性表示(latent representation)的复杂性对目标风险有显著影响。从实验角度,本文方法(1)实现了
2021-03-05 18:12:23 807 1
原创 Bi-Classifier Determinacy Maximization for Unsupervised Domain Adaptation
Bi-Classifier Determinacy Maximization for Unsupervised Domain AdaptationAbstract方法:Bi-Classifier Determinacy Maximization (BCDM)。针对问题:之前的方法通常利用双分类器之间的分歧性(disagreement)来学习可转移的表示,然而,它们往往疏忽了目标域中分类器的断定性(determinacy),这可能会导致模型缺乏特征辨别能力。新的度量方法:Classifier
2021-02-14 12:31:38 1517 2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人