基于联合适配网络的深度迁移学习
机器学习
2017-08-18 v2 机器学习
摘要
深度网络已成功应用于学习可迁移特征，以将模型从源域适应到不同的目标域。本文提出联合适配网络（JAN），该网络通过基于联合最大均值差异（JMMD）准则对齐跨域的多个特定域层的联合分布来学习迁移网络。采用对抗训练策略最大化JMMD，使得源域和目标域的分布更加可区分。学习可通过随机梯度下降执行，梯度由反向传播在线性时间内计算。实验证实我们的模型在标准数据集上取得了最先进的成果。
引用
@article{arxiv.1605.06636,
title = {Deep Transfer Learning with Joint Adaptation Networks},
author = {Mingsheng Long and Han Zhu and Jianmin Wang and Michael I. Jordan},
journal= {arXiv preprint arXiv:1605.06636},
year = {2017}
}
备注
34th International Conference on Machine Learning