关键词hypothesis transfer learning
搜索结果 - 4
- 使用代理分类损失的假设迁移学习
通过算法稳定性研究 HTL 的学习理论,本文提供了一些条件下的学习保证和复杂度自由的泛化界限,揭示了迁移学习的优点并比较了不同场景下标准损失函数的行为,为从业者提供了有价值的见解。
- AAAI假设差异规范化的互信息最大化
提出了一种假设差异规则化的互信息最大化方法,用于处理无监督假设转移,通过使用多个假设来传递源领域的知识,而不需要在适应过程中访问源数据,从而在假设转移学习的上下文中实现了最先进的 UDA 适应性能。
- CVPR使用假设传递学习进行人员重识别相机接入
探索摄像头网络的动态适应性,通过假说转移学习和模型组合来进行知识传递,并在四个具有不同数量摄像头的基准数据集上进行了广泛的实验,证明了该方法的有效性。
- NIPS通过变换函数进行假设迁移学习
本文提出了用于假设转移学习(HTL)的一种基于算法的新型框架,通过变换函数对源域和目标域之间的关系进行表征及风险分析,首次证明了,如果两个域之间存在关系,则 HTL 对于 Kernel Smoothing 和 Kernel Ridge Re