亲爱的研友该休息了!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,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

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
量子星尘发布了新的文献求助10
3秒前
13秒前
吴嘉俊完成签到 ,获得积分10
14秒前
Joeswith完成签到,获得积分10
15秒前
杨怂怂完成签到 ,获得积分10
17秒前
风雨中飘摇应助科研通管家采纳,获得200
32秒前
34秒前
Chris完成签到 ,获得积分0
38秒前
zoe完成签到 ,获得积分10
39秒前
40秒前
53秒前
大个应助CNS_Fighter88采纳,获得10
56秒前
轻松的惜芹完成签到,获得积分10
1分钟前
howgoods完成签到 ,获得积分10
1分钟前
1分钟前
Kashing完成签到,获得积分10
1分钟前
CNS_Fighter88发布了新的文献求助10
1分钟前
1分钟前
l123完成签到,获得积分10
1分钟前
CYC完成签到 ,获得积分10
1分钟前
zhao完成签到 ,获得积分10
1分钟前
脑洞疼应助l123采纳,获得10
1分钟前
大个应助守仁则阳明采纳,获得10
1分钟前
1分钟前
木有完成签到 ,获得积分10
1分钟前
1分钟前
科研通AI5应助10 g采纳,获得10
1分钟前
Zoe发布了新的文献求助30
1分钟前
1分钟前
Zoe完成签到,获得积分10
1分钟前
糖伯虎完成签到 ,获得积分10
2分钟前
量子星尘发布了新的文献求助10
2分钟前
2分钟前
l123发布了新的文献求助10
2分钟前
wys完成签到,获得积分10
2分钟前
淡漠完成签到 ,获得积分10
2分钟前
华仔应助守仁则阳明采纳,获得10
2分钟前
2分钟前
liudy完成签到,获得积分10
2分钟前
852应助lf采纳,获得10
2分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
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 3976608
求助须知:如何正确求助?哪些是违规求助? 3520700
关于积分的说明 11204542
捐赠科研通 3257350
什么是DOI,文献DOI怎么找? 1798716
邀请新用户注册赠送积分活动 877881
科研通“疑难数据库(出版商)”最低求助积分说明 806613