转导对抗网络(TAN)
机器学习
2018-02-09 v1 机器学习
摘要
转导对抗网络(TAN)是一种新颖的域适应机器学习框架，旨在学习目标域中未标记输入数据上的条件概率分布，同时仅能访问：(1)来自相关源域的易于获取的标记数据，其条件概率分布可能与目标域不同；以及(2)目标域标签的边缘先验分布。TAN利用完全对抗训练过程和独特的生成器/编码器架构，近似可用源域和目标域数据的转导组合。TAN的一个优点是它允许源域和目标域标签向量边缘概率分布之间的距离大于0(即源域和目标域之间任务不同)，而其他域适应算法要求该距离等于0(即源域和目标域之间单一任务)。然而，TAN仍能处理后一种情况，并且是针对于该情况的更泛化方法。TAN的另一个优点是，由于是完全对抗算法，它有潜力准确近似高度复杂的分布。理论分析证明了TAN框架的可行性。
引用
@article{arxiv.1802.02798,
title = {Transductive Adversarial Networks (TAN)},
author = {Sean Rowan},
journal= {arXiv preprint arXiv:1802.02798},
year = {2018}
}