多视角学习的PAC-Bayesian域适应界
机器学习
2024-01-03 v1 机器学习
摘要
本文提出了多视角学习设置下域适应的一系列新结果。先前的研究很少关注域适应中多视角的整合。为此，我们利用PAC-Bayesian理论对泛化界进行分析，以巩固目前被分别处理的两个范式。首先，基于Germain等人的先前工作，我们将Germain等人提出的用于域适应的分布距离与多视角学习的概念相结合。因此，我们引入了一种专为多视角域适应设置定制的新距离。然后，我们给出了用于估计所引入散度的PAC-Bayesian界。最后，我们将不同的新界与先前的研究进行了比较。
引用
@article{arxiv.2401.01048,
title = {PAC-Bayesian Domain Adaptation Bounds for Multi-view learning},
author = {Mehdi Hennequin and Khalid Benabdeslem and Haytham Elghazel},
journal= {arXiv preprint arXiv:2401.01048},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2004.11829 by other authors