Aug, 2023

跨域知识迁移中基于知识的子领域适应

PDF
TL;DR基于知识启发的子域适应（KISA）框架在欺诈检测和交通需求预测任务上表现出色，通过深度域适应、信用和非信用交易、子域划分问题以及知识融合网络实现精细化域适应。
deep domain adaptationcredit and non-credit transactionsknowledge-inspired subdomain adaptation (kisa)subdomain division problemknowledge fusion network
发现论文，激发创造
  • 知识适应：教授如何适应

    本研究提出一种基于知识蒸馏的领域自适应技术，针对多源无监督情感分析数据集，在考虑多个教师及其领域专业性的基础上，实现了最优结果，并提出一种可信度度量方法，用于选择高置信度示例及解决单一源情况下的领域适应问题。

    Feb, 2017

  • 无监督适应的跨域分类和子空间学习

    本文提出了一种基于随机次梯度下降优化学习问题的交替优化技术，以在几个域适应任务上展示其性能，该技术旨在同时学习源子空间和预测函数，最小化正则化误分类损失。

    Nov, 2014

  • 图像分类的深度子域自适应网络

    该研究提出了一种基于 Deep Subdomain Adaptation Network (DSAN) 的领域自适应方法，通过使用本地最大平均差异 (LMMD) 对不同领域的相关子域分布进行对齐，从而不需要敌对训练且收敛速度快，在对象识别和数字分类任务中均取得了显着的结果。

    Jun, 2021

  • 基于多头特征自适应的整张切片图像分类知识迁移

    本文提出了一种多头特征自适应模块，以促进源领域中的知识转移至目标领域，尤其适用于 WSI 分类；实验结果表明，我们的方法在多个数据集上均取得了最先进的性能，远优于从头开始训练的模型，证明了我们提出的方法的有效性。

    Mar, 2023

  • 不同领域之间的直接蒸馏

    基于知识蒸馏，提出了一种新的单阶段方法 “不同领域之间的直接蒸馏”(4Ds)，通过可学习的适配器和融合 - 激活机制，实现了从教师网络到学生网络的跨领域知识转移，取得了可靠的学生网络性能并超过了现有方法。

    Jan, 2024

  • 海关欺诈检测的领域自适应知识分享

    本论文提出了一种名为 DAS 的记忆库平台，旨在促进多国海关部门之间的知识共享，以支持彼此。我们提出了一种领域自适应方法，共享作为原型的欺诈行为的可转移知识，同时保护本地贸易信息。通过测试超过 800 万个进口申报数据，发现参与国家可以通过共享知识获得 2-11 倍的欺诈检测收益。该系统具有实现可观的税收潜力和加强打击非法交易政策的意义。

    Jan, 2022

  • 跨领域知识转移的图启用方法

    通过跨领域知识转移来减少领域知识不足的影响，结合半监督学习及大量无监督数据，提高机器学习任务的性能以实现自动决策

    Apr, 2023

  • 基于实例级别相似度的无监督域自适应迁移学习

    本研究提出一种基于实例相似度和分类内聚性和分类分离性的目标域适应策略 (ILA-DA)，其使用多样本对比损失函数来驱动领域对齐过程，在多种基准数据集上实现明显的准确率提高。

    Apr, 2021

  • 自适应累积知识迁移用于部分领域自适应

    本文介绍了一种自适应积累知识传递框架（A $^ 2$ KT），其中包括自适应积累机制，双特征分类器结构以及最大化聚类中心差异性和最小化聚类紧密度以获得更多领域不变性和任务特定的共享类别数据区分能力，该框架旨在解决部分域适应问题。复杂的实验表明该模型比当前 PDA 方法表现更优秀。

    Aug, 2020

  • 协同图像和特征适应：面向医学图像分割的跨模态域自适应

    本文提出了一种新的无监督域自适应框架，称为 Synergistic Image and Feature Adaptation（SIFA），旨在解决域移位问题，通过图像和特征透视图的协同适应实现。

    Jan, 2019