演化式域泛化
机器学习
2022-06-08 v2
摘要
域泛化旨在从多个不同但相关的源任务中学习一个预测模型，使其能很好地泛化到目标任务，而无需访问任何目标数据。现有域泛化方法忽略任务间关系，隐式假设所有任务均从平稳环境中采样，因此在演化环境中部署时可能失效。为此，我们形式化并研究了演化式域泛化（EDG）场景，其不仅利用源数据，还利用其演化模式来为未知任务生成模型。我们的理论结果揭示了通过学习全局一致的方向映射函数来建模连续两个任务之间关系的益处。在实践中，我们的分析也建议以元学习方式解决DDG问题，由此引出方向原型网络，即首个针对DDG问题的方法。在合成与真实世界数据集上的实证评估验证了我们方法的有效性。
引用
@article{arxiv.2206.00047,
title = {Evolving Domain Generalization},
author = {William Wei Wang and Gezheng Xu and Ruizhi Pu and Jiaqi Li and Fan Zhou and Changjian Shui and Charles Ling and Christian Gagné and Boyu Wang},
journal= {arXiv preprint arXiv:2206.00047},
year = {2022}
}