BriefGPT.xyz
Oct, 2022
无监督领域自适应的信息论分析
Information-Theoretic Analysis of Unsupervised Domain Adaptation
HTML
PDF
Ziqiao Wang, Yongyi Mao
TL;DR
本文使用信息理论工具来分析无监督域适应（UDA）中的泛化误差。 为两种泛化误差提供新的上界，第一种措施评估目标域和源域的总体风险之间的差距，第二种措施评估目标领域的总体风险和源域的经验风险之间的差距。 本文提出两种简单的技术来改善UDA中的泛化性能，并在实验中验证了这些技术。
Abstract
This paper uses
information-theoretic tools
to analyze the
generalization error
in
unsupervised domain adaptation
(UDA). We present novel
→