ACDC：在线无监督跨域适应
机器学习
2021-10-05 v1
摘要
我们考虑在线无监督跨域适应问题，其中两个独立但相关的、具有不同特征空间的数据流——一个完全带标签的源流和一个无标签的目标流——被共同学习。由此产生了协变量偏移、异步概念漂移以及数据吞吐量的差异等独特特征与挑战。我们提出 ACDC，一种对抗式无监督域适应框架，以具有完整自演化神经网络结构处理多个数据流，应对这些挑战。ACDC 将三个模块封装于单一模型中：提取特征的去噪自编码器、执行域转换的对抗模块，以及学习源流并预测目标流的估计器。ACDC 是一个灵活且可扩展的框架，几乎无需调超参数。我们在预序测试再训练协议下的实验结果表明，相较于基线方法目标准确率有所提升，在某些情况下提升超过 10%。
引用
@article{arxiv.2110.01326,
title = {ACDC: Online Unsupervised Cross-Domain Adaptation},
author = {Marcus de Carvalho and Mahardhika Pratama and Jie Zhang and Edward Yapp},
journal= {arXiv preprint arXiv:2110.01326},
year = {2021}
}