BriefGPT.xyz
大模型
Ask
alpha
关键词
source domains
搜索结果 - 5
ADRMX:域特征的加性解缠与混合损失
通过加法解缠领域特征与重新混合损失(ADRMX)的新颖结构,结合领域不变特征与领域变体特征,解决了提取源领域中的共同特征的方法仅限制了模型泛化能力的问题。同时,引入了新的数据增强技术,通过在潜在空间内混合不同领域的样本,进一步支持 ADRM
→
PDF
a year ago
ECCV
针对领域特定风险的最小化以实现超出分布的泛化
本文提出了基于领域特定风险最小化(DRM)的方法,旨在通过利用源域信息和适应性差的估计和最小化来弥合领域间差异以实现领域通用性,并在不同分布漂移设置下显着优于竞争基准。
PDF
2 years ago
寻找用于图形领域泛化的多样化和可预测子图
该论文提出了一种新的基于 DPS 框架的图形域泛化方法,该框架通过从源域中构建多个人口统计数据来发现多样化和可预测的子图形,这些子图形之间不同,但它们与输入图形共享相同的语义。经过广泛的实验,该方法在各种图形域泛化任务中表现出色。
PDF
2 years ago
迁移学习综述
本综述对转移学习的 40 多个代表性方法进行了系统总结,从数据和模型的角度介绍了同质转移学习的机制和策略,并通过实验证明了在不同应用程序中选择适当的传输学习模型的重要性。
PDF
5 years ago
NIPS
利用因果推断预测不变条件分布进行域适应
研究通过因果推论来解决领域适应问题,并提出了一种不依赖先前的因果结构和干预目标的方法,该方法可实现对目标变量在多个领域中的分布进行预测。
PDF
7 years ago
Prev
Next