Scifaro

中文

PAC-Bayesian 框架下域适应界的改进

机器学习 2015-01-14 v1 机器学习

作者: Pascal Germain , Amaury Habrard , Francois Laviolette , Emilie Morvant

在 arXiv 上查看 ↗ PDF ↗

摘要

本文基于 PAC-Bayesian 理论对域适应进行了理论分析。我们从两方面改进了 Germain 等人先前得到的域适应界。首先给出了另一个更紧且更易解释的泛化界。此外,我们对界中出现的常数项给出了新的分析,这对于开发新的算法解具有很高价值。

关键词

域适应 PAC-Bayesian 理论泛化界迁移学习统计学习理论

引用

@article{arxiv.1501.03002,
  title  = {An Improvement to the Domain Adaptation Bound in a PAC-Bayesian context},
  author = {Pascal Germain and Amaury Habrard and Francois Laviolette and Emilie Morvant},
  journal= {arXiv preprint arXiv:1501.03002},
  year   = {2015}
}

备注

NIPS 2014 Workshop on Transfer and Multi-task learning: Theory Meets Practice, Dec 2014, Montr{\'e}al, Canada