distribution discrepancy | BriefGPT

关键词distribution discrepancy

搜索结果 - 10

自我退化的对比域自适应用于工业故障诊断中的双失衡数据
通过自我降级的对比域自适应 (Sd-CDA) 诊断框架来处理不平衡数据下的域差异问题，首先通过基于模型剪枝的不平衡感知对比学习方法对特征提取器进行预训练，以自监督方式高效地学习特征表示；然后基于监督对比域对抗学习 (SupCon-DA) 强
PDFa month ago
DisDet：探索扩散模型上后门攻击的可检测性
首次从防守者和攻击者的角度对扩散模型进行了系统研究，探索了被破坏的扩散模型中毒噪声输入的可检测性和躲避机制，并提出了基于分布差异的低成本触发器检测方法。
PDF5 months ago
学习增加分布以进行外部分布检测
开放世界分类系统中，鉴别与内部分布不同的外部数据是一个重要问题，利用辅助外部数据进行模型训练可以改善开放世界检测性能。本文从学习理论的角度，通过构建一个包含辅助外部数据 Wasserstein 球中的全部分布的外部分布集，提出了分布增强的外
PDF8 months ago
用于估计面向模型的分布差异的 R - 散度
通过介绍 R - 散度来评估模型导向的分布差异，我们评估了 R - 散度在各种无监督和有监督任务中的测试能力，并发现其实现了最先进的性能。为了证明 R - 散度的实用性，我们利用 R - 散度在带有噪声标签的样本上训练了鲁棒性神经网络。
PDF9 months ago
centroIDA: 基于累积类中心的跨领域类差异最小化方法用于不平衡领域自适应
本文提出了一种基于积累类中心的交叉领域类别差异最小化方法（centroIDA），通过类别基于的重采样策略和迭代类中心对齐，以及类别特征对齐来优化特征表示，解决了不平衡领域自适应问题（IDA）。实验证明，该方法在 IDA 问题上的性能优于其他
PDFa year ago
基于源感知的异构信息网络嵌入训练
提出 SUMSHINE（Scalable Unsupervised Multi-Source Heterogeneous Information Network Embedding），这是一个可扩展的无监督框架，用于对齐多个异构信息网络源之
PDFa year ago
IJCAI一种统一的元学习框架用于动态迁移学习
本文研究了一种更为现实和具有挑战性的转移学习设置，其中源任务和目标任务在时间上不断变化，我们提出了一个基于元学习的通用框架 L2E，它能够有效地在动态任务之间传递知识、快速适应新目标任务、减轻历史目标任务的灾难性遗忘，并且可灵活地结合任何现
PDF2 years ago
匹配数据增强分布增强预训练网络性能
本文提出了一种简单的方法来解决训练和测试集之间的分布差异，通过在测试图像上使用多个随机裁剪的结果，并将其进行平均来提高预训练模型的性能。使用 softmax 平均可在不需要重新训练的情况下获得各种预训练网络的最佳性能。
PDF2 years ago
AAAI联合风险如何影响无监督领域自适应方法的性能？
提出了一种名为 E-MixNet 的方法，旨在通过新的混合技术来评估目标域的估计风险，并在目标域缺乏标记样本的情况下来控制组合风险，从而提高无监督领域适应的性能。
PDF4 years ago
通过类中心匹配和局部流形自学实现领域自适应
本文提出了一种新颖的领域自适应方法，通过聚类和伪标签匹配等技术，对减少两个领域之间的分布差异，实现了在无监督和有监督领域自适应方面的显着优势。
PDF4 years ago