领域适应学习相关论文
进入21世纪后，随着网络的发展，互联网上的评论文本越来越多，这些文本包含了丰富的主观性信息。如何自动化、智能化处理这些主观信息文......
如何利用标记样本充足的现有数据集帮助仅有少量标记样本的相关目标数据集学习一个有效的模型是目前机器学习的主要问题之一,领域......
生成适应模型利用生成对抗网络实现模型结构,并在领域适应学习上取得了突破.但其部分网络结构缺少信息交互,且仅使用对抗学习不足......
领域适应学习旨在利用源领域中带标签的样本来解决目标领域的学习问题,其关键在于如何最大化地减小领域间的分布差异,有效解决领域......
领域适应（或跨领域）学习旨在利用源领域（或辅助领域）中带标签样本来学习一种鲁棒的目标分类器，其关键问题在于如何最大化地减小领域间的......
稀疏表示因其所具有的鲁棒性,在模式分类领域逐渐得到关注.研究了一种基于稀疏保留模型的新颖领域适应学习方法,并提出一种鲁棒的......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
人脸中蕴含着一个人年龄,性别,种族,身份,情绪和思维状态等丰富的信息。其中人脸表情尤其是一种重要的非语言沟通(Nonverbal Commu......
核极限学习机(Kernel Extreme Learning Machine,KELM)是在极限学习机(Extreme Learning Machine,ELM)的基础上引入核函数所提出的......
最大均值差异(Maximum mean discrepancy,MMD)作为一种能有效度量源域和目标域分布差异的标准已被成功运用.然而,MMD作为一种全局......
零样本图像分类指训练集和测试集在数据的类别上没有交集的情况下进行图像分类.该技术是解决类别标签缺失问题的一种有效手段,因此......
