超越映射：通过最优传输计划谱嵌入实现域不变表示
机器学习
2026-03-09 v2
摘要
训练时与推理时数据之间的分布偏移仍然是机器学习中的核心挑战，常导致性能低下。这促使了对域对齐原则性方法的研究，例如基于最优传输的无监督域适应，该方法依赖于使用传输计划近似 Monge 映射，其对传输问题正则化策略和超参数敏感，且可能产生有偏的域对齐。在本工作中，我们提出将平滑传输计划解释为连接源域与目标域的二部图的邻接矩阵，并通过谱嵌入导出域不变的样本表示。我们在音乐流派识别和音乐-语音判别的声学适应基准上评估了我们的方法，以及在时域反射的不同诊断设置下的电缆缺陷检测与分类任务，整体取得了强劲的性能表现。
引用
@article{arxiv.2601.13350,
title = {Beyond Mapping : Domain-Invariant Representations via Spectral Embedding of Optimal Transport Plans},
author = {Abdel Djalil Sad Saoud and Fred Maurice Ngolè Mboula and Hanane Slimani},
journal= {arXiv preprint arXiv:2601.13350},
year = {2026}
}
备注
Accepted at The IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026)