域对抗神经网络
机器学习
2015-02-10 v2 机器学习
神经与进化计算
摘要
我们提出了一种新的表示学习算法，适用于域适应场景，即训练和测试时的数据来自相似但不同的分布。我们的算法直接受域适应理论启发，该理论表明要实现有效的域迁移，预测必须基于无法区分训练（源）域和测试（目标）域的数据表示。我们提出了一种在神经网络背景下实现这一思想的训练目标，其隐藏层被训练为既能预测分类任务，又对输入域不具信息性。我们在情感分析分类基准上的实验表明，即使在训练时使用 Chen 等人 (2012) 的最先进边缘化堆叠去噪自编码器提取的输入特征，我们的域适应神经网络算法的性能也优于标准神经网络或支持向量机 (SVM)。
引用
@article{arxiv.1412.4446,
title = {Domain-Adversarial Neural Networks},
author = {Hana Ajakan and Pascal Germain and Hugo Larochelle and François Laviolette and Mario Marchand},
journal= {arXiv preprint arXiv:1412.4446},
year = {2015}
}
备注
The first version of this paper was accepted at the "Second Workshop on Transfer and Multi-Task Learning: Theory meets Practice" (NIPS 2014, Montreal, Canada). See: https://sites.google.com/site/multitaskwsnips2014/