基于加权联合分布最优传输的多源域适应
机器学习
2022-06-03 v2 机器学习
摘要
利用多个带标签源数据集的知识对无标签目标数据集进行域适应的问题正变得日益重要。一个关键挑战是设计一种方法，克服源域之间以及源域与目标域之间的协变量偏移和靶偏移。本文从新视角解决该问题：我们不是寻找源域与目标域间不变的潜在表示，而是通过在手头目标任务上调整源分布的权重来利用源分布的多样性。我们的方法称为加权联合分布最优传输（WJDOT），旨在同时寻找基于最优传输的源分布与目标分布间对齐，以及源分布的重新加权。我们讨论了该方法的理论方面并提出了概念上简单的算法。数值实验表明，所提方法在模拟和真实数据集上达到了SOTA性能。
引用
@article{arxiv.2006.12938,
title = {Multi-source Domain Adaptation via Weighted Joint Distributions Optimal Transport},
author = {Rosanna Turrisi and Rémi Flamary and Alain Rakotomamonjy and Massimiliano Pontil},
journal= {arXiv preprint arXiv:2006.12938},
year = {2022}
}
备注
Accepted at UAI 2022