- 博客(2)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Estimating Generalization under Distribution Shifts via Domain-Invariant Representations
Estimating Generalization under Distribution Shifts via Domain-Invariant RepresentationsAbstract本文使用一组domain-invariant predictors来近似（proxy）未知域的真实标签；由于所得风险估计的误差取决于近似（proxy）模型的目标风险，本文研究了域不变表示的泛化，并表明隐性表示（latent representation）的复杂性对目标风险有显著影响。从实验角度，本文方法(1)实现了
2021-03-05 18:12:23
449
1
原创 Bi-Classifier Determinacy Maximization for Unsupervised Domain Adaptation
Bi-Classifier Determinacy Maximization for Unsupervised Domain AdaptationAbstract方法：Bi-Classifier Determinacy Maximization (BCDM)。针对问题：之前的方法通常利用双分类器之间的分歧性（disagreement）来学习可转移的表示，然而，它们往往疏忽了目标域中分类器的断定性（determinacy），这可能会导致模型缺乏特征辨别能力。新的度量方法：Classifier
2021-02-14 12:31:38
1333
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人