基于多数预测器精度的深度迁移学习泛化界
机器学习
2022-09-14 v1 人工智能
摘要
我们分析了通过从源任务到目标任务的迁移学习训练得到的深度学习模型的新泛化界。我们的界利用一个称为多数预测器精度的量，该量可从数据高效计算。我们表明该理论在实践中是有用的，因为它意味着多数预测器精度可用作可迁移性度量，这一事实也由我们的实验所验证。
引用
@article{arxiv.2209.05709,
title = {Generalization Bounds for Deep Transfer Learning Using Majority Predictor Accuracy},
author = {Cuong N. Nguyen and Lam Si Tung Ho and Vu Dinh and Tal Hassner and Cuong V. Nguyen},
journal= {arXiv preprint arXiv:2209.05709},
year = {2022}
}
备注
5 pages, Paper published at the International Symposium on Information Theory and Its Applications (ISITA 2022)