多源域适应与数据集蒸馏在数据集字典学习中的交汇
机器学习
2023-09-15 v1 人工智能
机器学习
摘要
本文考虑机器学习中两个问题的交集：多源域适应（MSDA）与数据集蒸馏（DD）。一方面，前者考虑将多个异质带标签源域适应至无标签目标域。另一方面，后者致力于合成包含数据集所有信息的小型摘要这一难题。因此我们考量一个名为 MSDA-DD 的新问题。为求解该问题，我们改编了 MSDA 文献中的先前工作，如 Wasserstein 重心传输与数据集字典学习，以及 DD 方法分布匹配。我们在四个基准（Caltech-Office 10、Tennessee-Eastman Process、Continuous Stirred Tank Reactor 与 Case Western Reserve University）上对该新问题进行了充分实验，表明即使每类仅 1 个样本，也能达到最先进的适应性能。
引用
@article{arxiv.2309.07666,
title = {Multi-Source Domain Adaptation meets Dataset Distillation through Dataset Dictionary Learning},
author = {Eduardo Fernandes Montesuma and Fred Ngolè Mboula and Antoine Souloumiac},
journal= {arXiv preprint arXiv:2309.07666},
year = {2023}
}
备注
7 pages,4 figures