基于最大化代理互信息的领域自适应
机器学习
2022-10-18 v3
摘要
无监督领域自适应（UDA）旨在利用源域的有标签数据来预测目标域的无标签数据。在本工作中，我们提出了一种名为 SIDA（Surrogate Mutual Information Maximization Domain Adaptation，代理互信息最大化领域自适应）的新框架，具有坚实的理论保证。具体而言，SIDA 通过最大化特征之间的互信息（MI）来实现自适应。在该框架中，一个代理联合分布对目标域无标签数据的潜在联合分布进行建模。我们的理论分析通过用 MI 和代理分布偏差界定目标域上的期望风险，验证了 SIDA。实验表明，我们的方法在标准 UDA 任务上与最先进的无监督自适应方法相当。
引用
@article{arxiv.2110.12184,
title = {Domain Adaptation via Maximizing Surrogate Mutual Information},
author = {Haiteng Zhao and Chang Ma and Qinyu Chen and Zhi-Hong Deng},
journal= {arXiv preprint arXiv:2110.12184},
year = {2022}
}