面向小样本约束的域适应分类算法
近年来,人工智能的相关应用被越来越细化到不同的应用场景,而对不同的应用场景都进行相应的数据收集,模型训练,模型调优等步骤需要消耗大量的时间精力会严重影响人工智能技术应用的效率.因此如何基于现有的成熟的训练过的模型迁移到其他应用场景是当前应用人工智能技术的关键问题.域适应算法主要研究将源域模型有效地迁移到目标域,这为上述问题提供了一个重要的解决思路.本文提出小样本对抗判别域适应算法,相对于无监督域适应算法能够在更严格的约束下-仅需要少量的目标域样本,在标准数据集上取得了优于对抗判别域适应算法(Adversarial Discriminative Domain Adaptation,ADDA)算法的表现,…展开v
小样本、域适应、分类、深度学习、迁移学习
45
TP18(自动化基础理论)
国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金;广西可信软件重点实验室研究课题;青岛市科技计划
2022-05-11(万方平台首次上网日期,不代表论文的发表时间)
共16页
935-950