最小二乘迁移生成对抗网络

摘要：

现有的生成对抗网络(Generative Adversarial Networks,GAN)损失函数已经被成功地应用在迁移学习方法中.然而,发现这种损失函数在学习过程中可能会出现梯度消失的问题.为了克服该问题,提出了一种学习领域不变特征的新方法,即最小二乘迁移生成对抗网络(Least Squares Transfer Generative Adversarial Networks,LSTGAN).LSTGAN采用最小二乘生成对抗网络(Least Squares Generative Adversarial Networks,LSGAN)损失函数,通过单领域判别的训练方式来减少领域分布之间的差异.通过研究表明,所提方法与其他有竞争力的算法相比较具有一定的优越性.

关键词：生成对抗网络、迁移学习、梯度消失、领域不变特征、最小二乘生成对抗网络损失函数

所属期刊栏目：55

分类号：TP399(计算技术、计算机技术)

资助基金：福建省自然科学基金2018J01534

在线出版日期：2019-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：24-31