没有合适的资源?快使用搜索试试~ 我知道了~
第二十四篇——Unsupervised Domain Adaptation by Backpropagation.pdf
需积分: 0 7 下载量 135 浏览量
2020-11-23
10:57:15
上传
评论
收藏 3.18MB PDF 举报
温馨提示
试读
11页
顶级的深层架构是在大量标记数据上训练的。在某项任务缺少标记数据时,域适应通常提供了一个有吸引力的选择,因为可以获得性质相似但来自不同领域的标记数据(例如合成图像)。在此,我们提出了一种新的领域适应方法,该方法可以训练来自源域的大量标记数据和来自目标域的大量未标记数据(不需要标记的目标域数据)。随着训练的进行,该方法促进了“深度”特征的出现,这些特征(i)对源域上的主要学习任务具有区分能力,(ii)对于域之间的转换不变性。我们表明,这种适应行为可以在几乎任何前馈模型中实现,通过增加少量的标准层和一个简单的新的梯度反转层。由此产生的增强架构可以使用标准的反向传播进行训练。总的来说,使用任何深度学
资源推荐
资源评论
资源评论
疯狂java杰尼龟
- 粉丝: 4w+
- 资源: 13
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功