Domain2Vec：深度域泛化
机器学习
2018-07-10 v1 机器学习
摘要
我们研究域泛化问题，即从若干相关域的数据中学习一个决策函数，并将其成功应用于未见过的域。假设源域（亦称训练域）中有大量带标签数据可用，但未见域（亦称目标域或测试域）没有任何带标签数据。我们提出了一种新颖的神经网络架构 Domain2Vec (D2V)，它学习域特定的嵌入，并利用该嵌入实现跨相关域的学习泛化。所提出的算法 D2V 将分布回归与核化域泛化的思想扩展到了神经网络设定中。我们提出一种神经网络架构来学习域特定的嵌入，然后将该嵌入与数据点特定的特征结合以对其进行标注。我们通过精确估计域到域的相似性展示了该架构的有效性。我们在标准的图像分类域泛化数据集上评估了我们的算法，其性能优于其他 SOTA 算法。
引用
@article{arxiv.1807.02919,
title = {Domain2Vec: Deep Domain Generalization},
author = {Aniket Anand Deshmukh and Ankit Bansal and Akash Rastogi},
journal= {arXiv preprint arXiv:1807.02919},
year = {2018}
}