清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Wasserstein Distance Guided Representation Learning for Domain Adaptation

计算机科学 域适应 人工智能 代表(政治) 适应(眼睛) 领域(数学分析) 机器学习
作者
Jian Shen,Yanru Qu,Weinan Zhang,Yong Yu
出处
期刊:Cornell University - arXiv 卷期号:32 (1): 4058-4065 被引量:317
摘要

Domain adaptation aims at generalizing a high-performance learner on a target domain via utilizing the knowledge distilled from a source domain which has a different but related data distribution. One solution to domain adaptation is to learn domain invariant feature representations while the learned representations should also be discriminative in prediction. To learn such representations, domain adaptation frameworks usually include a domain invariant representation learning approach to measure and reduce the domain discrepancy, as well as a discriminator for classification. Inspired by Wasserstein GAN, in this paper we propose a novel approach to learn domain invariant feature representations, namely Wasserstein Distance Guided Representation Learning (WDGRL). WDGRL utilizes a neural network, denoted by the domain critic, to estimate empirical Wasserstein distance between the source and target samples and optimizes the feature extractor network to minimize the estimated Wasserstein distance in an adversarial manner. The theoretical advantages of Wasserstein distance for domain adaptation lie in its gradient property and promising generalization bound. Empirical studies on common sentiment and image classification adaptation datasets demonstrate that our proposed WDGRL outperforms the state-of-the-art domain invariant representation learning approaches.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
呆呆的猕猴桃完成签到 ,获得积分10
6秒前
1111完成签到 ,获得积分10
25秒前
今后应助傲娇的夜山采纳,获得10
34秒前
cgs完成签到 ,获得积分10
42秒前
zpc猪猪完成签到,获得积分10
42秒前
科研通AI2S应助科研通管家采纳,获得10
52秒前
Akim应助科研通管家采纳,获得10
52秒前
柯伊达完成签到 ,获得积分10
1分钟前
elisa828完成签到,获得积分10
1分钟前
1分钟前
1分钟前
喵叽发布了新的文献求助10
1分钟前
桐桐应助喵叽采纳,获得10
2分钟前
平平平平完成签到 ,获得积分10
2分钟前
rockyshi完成签到 ,获得积分10
2分钟前
2分钟前
新新新新新发顶刊完成签到 ,获得积分10
2分钟前
科目三应助科研通管家采纳,获得10
2分钟前
柚子完成签到 ,获得积分20
2分钟前
柚子关注了科研通微信公众号
2分钟前
猪嗝铁铁完成签到,获得积分10
2分钟前
文静如南完成签到 ,获得积分10
3分钟前
003完成签到,获得积分10
3分钟前
4分钟前
4分钟前
无悔完成签到 ,获得积分10
4分钟前
001完成签到,获得积分10
4分钟前
4分钟前
4分钟前
喵叽发布了新的文献求助10
4分钟前
锅包肉完成签到 ,获得积分10
4分钟前
002完成签到,获得积分10
4分钟前
4分钟前
科研通AI2S应助科研通管家采纳,获得10
4分钟前
CodeCraft应助科研通管家采纳,获得10
4分钟前
Sandy完成签到,获得积分0
5分钟前
小白菜完成签到 ,获得积分10
5分钟前
5分钟前
digger2023完成签到 ,获得积分10
5分钟前
史琛完成签到,获得积分20
5分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
Immigrant Incorporation in East Asian Democracies 600
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
A Preliminary Study on Correlation Between Independent Components of Facial Thermal Images and Subjective Assessment of Chronic Stress 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3968520
求助须知:如何正确求助?哪些是违规求助? 3513331
关于积分的说明 11167298
捐赠科研通 3248700
什么是DOI,文献DOI怎么找? 1794417
邀请新用户注册赠送积分活动 875030
科研通“疑难数据库(出版商)”最低求助积分说明 804664