点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 论文笔记—Learningdomain-sharedgroup-sparserepresentationforunsupervisedDA
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
论文笔记—Learning domain-shared group-sparse representation for unsupervised DA
论文摘要:在无监督域适应中,一个关键的研究问题是跨域的联合分布对齐 。 但是, 直接 对齐的源和目标联合分布是不可行的, 因为目标条件分布的标签未知。结合边缘分布对齐(它是条件分布对齐的等价条件,而不是用条件分布近似估计目标标签。),提出了一种基于领域共享的群体稀疏准则——字典学习模型,用于学习具有对齐联合分布的领域共享表示。实验结果表明,该方法在方差较大的数据集上也表现良好。 我们的结果进行了定量和定性分析,并进行了参数灵敏度和收敛性分析的实验,以表明该方法的有效性。
所属分类:
深度学习
发布日期:2020-07-21
文件大小:5242880
提供者:
liz_Lee