国产性70yerg老太,色综合在,国产精品亚洲一区二区无码,无码人妻束缚av又粗又大

作者：游凱超 軟件學院

指導老師：龍明盛 軟件學院

關鍵詞：遷移學習，領域適配

摘要

本作品提出了一種通用領域適配問題的設定，從而使得領域適配問題不再需要依賴于類別集合相同的假設。通過整合領域信息與不確定度信息，我們得到了一種可遷移性判據(jù)，從而訓練得到一個通用領域適配網(wǎng)絡。

問題背景

機器學習模型的泛化能力是實際應用中非常關心的一個指標。傳統(tǒng)的機器學習模型只能適用于它被訓練的數(shù)據(jù)，而難以泛化到其他略微不同的數(shù)據(jù)上。領域適配問題致力于解決模型的泛化能力，但是要求兩個領域的類別集合相同，這對于無標注的目標領域來說是不切實際的。所以，如何在一般情況下進行領域適配，是一個具有挑戰(zhàn)性的問題。

技術細節(jié)

通過整合領域信息與不確定度信息，我們得到了一種可遷移性判據(jù)，從而訓練得到一個通用領域適配網(wǎng)絡。

成果展示

我們的通用領域適配網(wǎng)絡在通用領域適配問題上取得了當前最優(yōu)的效果，同時相應的論文已經(jīng)被 CVPR2019 國際會議接收。