典型文献
加权解耦语义表达的多源领域自适应方法
文献摘要：
近年来,深度学习受到越来越多研究者的重视并成功应用于许多领域.虽然深度学习在这些领域获得了巨大的成功,但是数据采集和标注成本高,严重限制了深度学习的推广应用.迁移学习不仅可以打破训练集数据和测试集数据独立同分布的假设,而且可以利用有标签的迁移源数据和没有标签的迁移目标数据训练得到具有良好泛化能力的模型,是扩展深度学习应用场景的重要研究方向.在众多的迁移学习方法中,多源领域自适应方法可以充分利用多个迁移源的信息,具有重要的实际价值.从数据的因果生成机制出发,假设观测数据由语义隐变量和领域隐变量这两组独立的隐变量同时生成.基于上述假设,提出了一种基于多种距离度量框架和加权解耦语义表达的多源领域自适应方法.该方法利用了双重对抗网络来提取解耦的语义信息和领域信息;另一方面,采用了3种不同的语义信息聚合策略获得领域不变的语义表达;最后使用领域不变的语义表达进行图片分类.在多个多源领域自适应数据上的对比及鲁棒性分析实验中,充分地验证了所提出方法的有效性.
文献关键词：
迁移学习;多源领域自适应;解耦表达;变分推理
中图分类号：
作者姓名：
蔡瑞初;郑丽娟;李梓健
作者机构：
广东工业大学 计算机学院,广东 广州 510006
文献出处：
引用格式：
[1]蔡瑞初;郑丽娟;李梓健-.加权解耦语义表达的多源领域自适应方法)[J].软件学报,2022(12):4517-4533
A类：
多源领域自适应,解耦表达
B类：
语义表达,自适应方法,成功应用,训练集,测试集,独立同分布,数据训练,练得,泛化能力,学习应用,迁移学习方法,实际价值,生成机制,观测数据,隐变量,距离度量,法利,对抗网络,语义信息,域信息,信息聚合,图片分类,鲁棒性分析,变分推理
AB值：
0.231945
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
