会员服务
领域自适应是与机器学习和转移学习相关的领域。 当我们的目标是从源数据分布中学习在不同（但相关）的目标数据分布上的良好性能模型时，就会出现这种情况。 例如，常见垃圾邮件过滤问题的任务之一在于使模型从一个用户（源分发）适应到接收显着不同的电子邮件（目标分发）的新模型。 注意，当有多个源分发可用时，该问题被称为多源域自适应。
北科大最新《分布变化下的图学习》综述，详述领域适应、非分布和持续学习进展
北科大最新《分布变化下的图学习》综述，详述领域适应、非分布和持续学习进展
专知会员服务
42+阅读 · 2月27日
源域无数据域适应怎么做? 电子科大最新《无源域数据域适应》综述论文，详述基于数据和基于模型SFDA技术进展
源域无数据域适应怎么做? 电子科大最新《无源域数据域适应》综述论文，详述基于数据和基于模型SFDA技术进展
专知会员服务
23+阅读 · 2023年3月8日
领域自适应在实际中如何用? UNC最新《无源无监督领域自适应SFUDA》综述论文，详述白盒SFUDA和黑盒SFUDA技术进展
领域自适应在实际中如何用? UNC最新《无源无监督领域自适应SFUDA》综述论文，详述白盒SFUDA和黑盒SFUDA技术进展
专知会员服务
22+阅读 · 2023年1月6日
【CVPR 2022】单黑箱和多黑箱预测的领域适应，DINE: Domain Adaptation from Single and Multiple Black-box Predictors
【CVPR 2022】单黑箱和多黑箱预测的领域适应，DINE: Domain Adaptation from Single and Multiple Black-box Predictors
专知会员服务
13+阅读 · 2022年3月12日
【CVPR2022】弱监督目标定位建模为领域适应
【CVPR2022】弱监督目标定位建模为领域适应
专知会员服务
14+阅读 · 2022年3月4日
【ICLR2022-MIT】图关系域适应
【ICLR2022-MIT】图关系域适应
专知会员服务
30+阅读 · 2022年2月9日
【AAAI2022】基于协调域编码器和配对分类器的多源域适应
【AAAI2022】基于协调域编码器和配对分类器的多源域适应
专知会员服务
16+阅读 · 2022年2月9日
华东师大《无数据知识迁移》综述论文
华东师大《无数据知识迁移》综述论文
专知会员服务
55+阅读 · 2022年1月6日
视觉识别的无监督域适应研究综述
视觉识别的无监督域适应研究综述
专知会员服务
30+阅读 · 2021年12月17日
NeurIPS2021 | Cycle Self-Training：领域自适应的循环自训练方法与理论
NeurIPS2021 | Cycle Self-Training：领域自适应的循环自训练方法与理论
专知会员服务
19+阅读 · 2021年11月13日
【CVPR2021】基于跨领域自适应聚类的半监督领域自适应算法
专知会员服务
57+阅读 · 2021年5月19日
【CVPR2021】面向通用领域自适应的领域共识聚类
专知会员服务
29+阅读 · 2021年5月6日
领域自适应研究综述
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
近期必读的5篇顶会CVPR 2021【领域自适应（DA）】相关论文和代码
专知会员服务
40+阅读 · 2021年4月30日
机器学习模型如何泛化到未知领域？微软亚研「领域泛化 (Domain Generalization)」综述论文概述理论、算法等
机器学习模型如何泛化到未知领域？微软亚研「领域泛化 (Domain Generalization)」综述论文概述理论、算法等
专知会员服务
58+阅读 · 2021年3月13日
参考链接
微信扫码咨询专知VIP会员
Top