快速批次核范数极大化和极小化在鲁棒域自适应中的应用

Jul, 2021

快速批次核范数极大化和极小化在鲁棒域自适应中的应用

Fast Batch Nuclear-norm Maximization and Minimization for Robust Domain Adaptation

Shuhao Cui, Shuhui Wang, Junbao Zhuo, Liang Li, Qingming Huang...

TL;DR本文提出了一种通过最大化目标输出矩阵的核范数和最小化源输出矩阵的核范数来提高区分能力和多样性的方法，以增强目标预测能力并提高源领域知识的适用性。这种方法可以在三种典型的领域适应方案下提高适应的准确性和稳健性。

Abstract

Due to the domain discrepancy in visual domain adaptation, the performance of source model degrades when bumping into the high data density near decision boundary in target domain. A common solution is to minimize the s

visual domain adaptation shannon entropy frobenius-norm nuclear-norm maximization nuclear-norm minimization

发现论文，激发创造

基于批次核范数最大化的区分性和多样性增强技术：适用于标签不足情况

本研究提出了一种名为 BNM 的方法，通过批量输出矩阵的核范数最大化，提高判别力和多样性，从而增强典型半监督学习、域适应和开放领域识别等标记不足学习场景的学习效果。

Mar, 2020

多域文本分类的最大批次 Frobenius 范数

该研究探讨了最大批次 Frobenius 范数方法提高多领域文本分类的特征可辨识度，并在两个基准测试中展示了其成功地提升了最先进技术的表现。

Jan, 2022

自适应核范数惩罚的降阶回归

本文引入了自适应核范数正则化方法，通过该方法提出了一种基于自适应核范数的降秩估计方法，同时该降秩估计方法在计算上高效，并且在模拟研究和基因学应用中，表现出优异的性能。

Jan, 2012

平滑秩近似算法鲁棒子空间聚类

本文提出一种基于 Logarithm-Determinant 的等级逼近方法，用于子空间聚类应用，并开发有效的优化策略，以实现收敛到一个稳定点，并在人脸聚类和运动分割任务方面比目前最先进的子空间聚类算法具有更好的效果。

Aug, 2015

通过核范数最小化进行张量完成

本文探讨了在张量补全中使用矩阵补全技术的不足之处，并证明了直接最小化张量核范数的凸优化方法对于提高样本需求是有益的。我们通过开发一系列代数和概率技术来建立结果，例如张量核范数的次微分的表征以及张量鞅的浓度不等式，这可能对其他张量相关问题具有独立的兴趣和有用性。

May, 2014

非凸加权 Lp 核范数 ADMM 框架用于图像恢复

本文提出了一种通过非凸加权 Lp 核范数极小化方法进行图像恢复的新方法，以更准确地同时强制执行图像结构稀疏性和自相似性，并采用交替方向乘子法（ADMM）求解相关的非凸极小化问题，实验结果表明，该方法在目标和感知质量方面均优于目前许多最先进的方法。

Apr, 2017

批次稳定高维超参数线性回归中的最小范数风险

本文探讨了使用小批量的阈值学习算法进行分类的好处及最小二乘回归模型的上限风险，同时提出了一个基于特征重叠的小批量版本的最小二乘估计器，它比最小二乘估计器更稳定

Jun, 2023

针对特定领域的批量归一化在无监督领域适应中的应用

提出了一种基于领域特定批量归一化的深度神经网络的新型无监督领域自适应框架，其中包括估计目标领域示例的伪标签和使用多任务分类损失进行源和目标域的学习，实现了多源领域自适应场景的全面优化。

May, 2019

深度学习的核范数正则化

利用深度学习技术，通过惩罚函数的雅可比核范数，提出了一种简单高效而准确的规则化方法，使雅可比核范数可以应用于高维深度学习问题，并在去噪和表示学习等领域进行了实证研究。

May, 2024

高效低秩身份识别的迭代加速核范数最小化

该研究考虑了平滑函数和矩阵的 Schatten-p 范数之和的最小化问题，并提出了用于解决非凸低秩最小化问题的加速迭代重新加权核范数方法，其主要创新包括具有秩识别特性的方法和自适应更新策略，通过快速将参数驱动为零，将算法转化为能有效解决平滑问题的算法。

Jun, 2024