开发工具:
文件大小: 49kb
下载次数: 0
上传时间: 2021-02-16
详细说明：用于未经监督的域自适应的分布式稳健学习
介绍
我们提出了一种针对无监督域自适应（UDA）的分布式鲁棒学习（DRL）方法，该方法可扩展至现代计算机视觉基准。 DRL可以自然地公式化为预测变量和对手之间的竞争性两人游戏，允许其破坏标签，受到某些限制，并减少到在源域和目标域之间合并密度比（在标准对数丢失的情况下） ）。 这种表述激励了两个神经网络的共同使用-除了标准分类网络之外，这两个神经网络是源域和目标域之间的区分性网络，用于密度比估算。 在DRL中使用密度比可以防止模型对远离源域的目标输入过于自信。 因此，即使目标标签不可用，DRL也可以在目标域中提供保守的置信度估计。 这种保守性促使人们在选择
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
