Adaptation)

Domain Adaptation for Time Series Forecasting via Attention Sharing（ICML2022）

近年来，深度神经网络在时间序列预测领域得到了越来越广泛的应用。他们成功的一个主要原因是他们能够有效地跨越多个相关的时间序列捕捉复杂的时间动态。这些深度预测的优势只有在有足够数量的数据时才开始显现。这对实践中典型的预测问题提出了挑战，在这些问题中，每个时间序列或每个时间序列的观测数量有限，或两者兼有。为了解决数据稀缺的问题，我们提出了一种新的领域适应框架——领域适应预测器(domainadaptat
西西弗的小蚂蚁·2022-06-30 07:28

BN(Batch Normalization)详解，包含pytorch实现、numpy实现

起源对于神经网络来说，如果每一层的数据分布都不一样，后一层的网络则需要去学习适应前一层的数据分布，这相当于去做了domian的adaptation，无疑增加了训练难度，尤其是网络越来越深的情况。
Shashank497·2022-06-30 07:59

CVPR2022 | 可精简域适应

前言在本文中，作者引入了一个简单的框架，即SlimmableDomainAdaptation，以通过权重共享模型库改进跨域泛化，从中可以对不同容量的模型进行采样，以适应不同的精度效率权衡。
CV技术指南(公众号)·2022-06-27 09:25

CVPR2022 | 可精简域适应

前言在本文中，作者引入了一个简单的框架，即SlimmableDomainAdaptation，以通过权重共享模型库改进跨域泛化，从中可以对不同容量的模型进行采样，以适应不同的精度效率权衡。
CV技术指南（公众号）·2022-06-23 23:00

理解MAML：Model-Agnostic Meta-Learning for Fast Adaption of Deep Networks

论文：Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks(arXiv:1703.03400v3[cs.LG]18Jul2017)MAML
XinYuan8719·2022-06-07 07:47

MAML：Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworksPaper:https://arxiv.org/pdf/1703.03400.pdfCode
NoTime4Emotion·2022-06-07 07:30

MAML算法:Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

论文：https://www.cs.utexas.edu/~sniekum/classes/RL-F17/papers/Meta.pdf代码：tensorflow（官方）：https://github.com/cbfinn/mamlpytorch：https://github.com/dragen1860/MAML-Pytorch、https://github.com/Miaotxy/my_pyt
三寸光阴___·2022-06-07 07:28

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks Chelsea 论文笔记

前言本文提出了一种元学习算法，它与模型无关并且通用性很强，可以直接应用到各种由梯度下降训练的模型上，并且适用于很多学习问题，包括分类，回归和强化学习。本文提出的算法的关键思想是训练模型的初始化参数，这样当模型在处理来自一个新任务的少量数据时，通过一次或几次梯度更新后，模型就能在新任务中表现出较好的性能。本文的元学习算法有以下特点：不同于以往的元学习方法需要学习更新函数或更新规则，本文的方法既不增加
头柱碳只狼·2022-06-07 07:57

《Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks 》论文总结

摘要：我们提出了一种不依赖模型的元学习算法，它与任何梯度下降训练的模型兼容，适用于各种不同的学习问题，包括分类、回归和强化学习。元学习的目标是在各种学习任务上训练一个模型，这样它只需要少量的训练样本就可以解决新的学习任务。在我们的方法中，模型的参数被显式地训练，使得少量的梯度步骤和少量的来自新任务的训练数据能够在该任务上产生良好的泛化性能。实际上，我们的方法训练模型易于微调。结果表明，该方法在两个
Smiler_·2022-06-07 07:45

#Paper Reading# Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

论文题目:Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks论文地址:http://proceedings.mlr.press/v70/
John159151·2022-06-07 07:13

MAML笔记

《Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks》提出一种meta-learning算法，即MAML，使模型能自动进行参数的初始化，
联邦学习小白·2022-06-04 07:34

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks阅读笔记

Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks-阅读笔记AbstractMAML算法问题设置MAML算法MAMLvsPre-training
kevin小新·2022-06-04 07:55

MAML阅读笔记

MAML阅读笔记FinnC,AbbeelP,LevineS.Model-agnosticmeta-learningforfastadaptationofdeepnetworks[J].arXivpreprintarXiv
Dreamcreationman·2022-06-04 07:33

[论文阅读笔记@2019.6] Maximum Classifier Discrepancy for Unsupervised Domain Adaptation

文章目录[论文阅读笔记@2019.6]MaximumClassifierDiscrepancyforUnsupervisedDomainAdaptation1.IntroductionPreviousMethods
quay_bupt·2022-05-26 07:53

论文精度：Domain-Adversarial Training of Neural Networks

DomainAdaptation(领域自适应)：把具有不同分布的源域（SourceDomain）和目标域（TargetDomain）中的数据，映射到同一个特征空间，寻找某一种度量准则，让其在这个空间上的距离尽可能地近
开心邮递员·2022-05-26 07:20

Deep visual domain adaptation: A survey

参考Deepvisualdomainadaptation:Asurvey-云+社区-腾讯云目录1、简介2、概览2.1、概念和定义2.2、不同的领域适应设置3、深度域适配的方法3.1、一步域适配的分类3.2
Wanderer001·2022-05-26 07:20

Separate to Adapt: Open Set Domain Adaptation via Progressive Separation论文笔记

SeparatetoAdapt:OpenSetDomainAdaptationviaProgressiveSeparation论文笔记AbstractDomainadaptation问题在利用源域的标注数据为未标记的目标域学习准确的分类器方面已经有较大成功
Jason66661010·2022-05-26 07:44

Discriminative Adversarial Domain Adaptation读书笔记

这篇文章是AAAI2020的一篇领域自适应的文章，挺有意思的，把读书笔记和大家分享一下。摘要：给定源域上标记的实例和目标域上未标记的实例，无监督域适应旨在学习一种任务分类器，它可以很好地对目标进行分类。最近的进展依赖于深度网络的领域对抗训练来学习领域不变特征。但是，由于任务分类器和域分类器的分离设计会导致模式崩溃，这些方法在对齐域间特征和类别的联合分布方面受到限制。为了克服这一问题，本文提出了一种
lwpyh·2022-05-26 07:36

开放集领域自适应OSDA（十三）：Positive-unlabeled learning for open set domain adaptation

1Introduction2.Relatedwork3.Preliminarybackground4.Autoencoder-basedclassificationlossandnnPUrisk5.Open-setdomainadaptationasaPUproblem6
CtrlZ1·2022-05-23 10:04

【迁移学习】Prototypical Cross-domain Self-supervised Learning for Few-shot Unsupervised Domain Adaptation

摘要无监督域适应(UDA)将预测模型从完全标记的源域转移到无标记的目标域。然而，在某些应用程序中，甚至在源域中收集标签都很昂贵，这使得以前的大多数工作都不切实际。为了解决这个问题，最近的工作执行了基于实例的跨领域自我监督学习，然后是一个额外的微调阶段。然而，实例自监督学习只学习和对齐低层次的判别特征。在本文中，我们提出了一个端到端原型跨域自监督学习(PCS)框架用于小样本无监督域适应(FUDA)。
向上的毛毛·2022-05-21 07:53

论文阅读《Meta-FDMixup：Cross-Domain Few-Shot Learning Guided by Labeled Target Data》

而对于底片缺陷检测（类似于下图中的医学射线图像），与传统数据集相比我主观上认为不属于同一个域，因此就涉及到了域适应DomainAdaptation、域泛化DomainGenerati
不说话装高手H·2022-05-21 07:36

蓝牙学习-L2CAP

L2CAP-LogicalLinkControlandAdaptationProtocolL2CAP协议提供更高层面的多路复用协议和数据包封装能力。L2CAP是RFCOMM和BNEP协议的基础。
集韵增广·2022-04-29 11:15

迁移学习-域适应损失函数MMD-代码实现及验证

迁移学习损失函数MMD(最大均值化差异)–python代码实现MMD介绍MMD（Maxmeandiscrepancy最大均值差异）是迁移学习，尤其是Domainadaptation（域适应）中使用最广泛
故障诊断与python学习·2022-04-28 07:47

(二)元学习算法MAML简介及代码分析

metalearning)2.模型无关元学习2.1元学习问题建模2.2MAML算法3.将MAML应用到回归分类任务上的算法流程4.代码解读参考资料论文：Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworksChelsea
恒友成·2022-04-24 07:22

计算机视觉最新进展概览2021年8月15日到2021年8月21日

参考计算机视觉最前沿进展2021年8月15日到2021年8月21日-云+社区-腾讯云1、PIT:Position-InvariantTransformforCross-FoVDomainAdaptation
Wanderer001·2022-04-14 07:25

元学习之《On First-Order Meta-Learning Algorithms》论文详细解读

元学习系列文章optimizationbasedmeta-learning《Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks》论文翻译笔记元学习方向
田小成plus·2022-04-11 07:44

元学习方向 optimization based meta learning 之 MAML论文详细解读

元学习系列文章optimizationbasedmeta-learning《Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks》论文翻译笔记元学习方向
田小成plus·2022-04-11 07:14

Deep Domain Confusion: Maximizing for Domain Invariance

也就是我们所说的domainadaptation。3
Sha_Ye_Bu_Hui·2022-04-08 08:37

论文笔记 ACL 2020|Towards Open Domain Event Trigger Identification using Adversarial Domain Adaptation

文章目录1简介1.1动机1.2创新2方法3实验1简介论文题目：TowardsOpenDomainEventTriggerIdentificationusingAdversarialDomainAdaptation
hlee-top·2022-03-30 07:33

强化学习重点文献汇总

Anintroduction[M].MITpress,2018.入门书籍ReinforcementLearningWieringMA,VanOtterloM.Reinforcementlearning[J].Adaptation
patrickpdx·2022-03-14 13:20

【李宏毅2021机器学习深度学习】10-1 概述领域自学习（Domain Adaptation）

文章目录参考链接技术背景：DomainShift,解决方法：DomainAdaptation（TransferLearning的一种）DomainShift的3种不同类型（输入输出分布不同，输入输出分布概率不同
I"ll carry you·2022-03-14 07:05

蓝牙BLE(协议栈、OSAL、手机APP蓝牙工具nrf Connect的使用)

PHY层(Physicallayer物理层)LL层(LinkLayer链路层)HCI(Hostcontrollerinterface主机控制接口层)L2CAP层(Logiclinkcontrolandadaptationprotocol
行稳方能走远·2022-03-06 05:02

2021李宏毅机器学习课程笔记——Domain Adaptation

因此难以做到全面详细，有疑问欢迎大家在评论区讨论https://speech.ee.ntu.edu.tw/~hylee/ml/ml2021-course-data/da_v6.pptxI.WhyDomainAdaptation
xiongxyowo·2022-03-03 07:30

2019年9月week4 病毒感染与整合致癌

Thelandscapeofviralexpressionandhostgenefusionandadaptationinhumancancer全文链接Topic：病毒感染与整合致癌NatureCommunicationsvolume4
aprilllm·2022-02-22 05:45

CVPR 2019 Oral 论文解读 | 无监督域适应语义分割

关于无监督领域自适应语义分割的论文《TakingACloserLookatDomainShift:Category-levelAdversariesforSemanticsConsistentDomainAdaptation
AI研习社·2022-02-21 14:12

SAP UI5 应用开发教程之三十四 - SAP UI5 应用基于设备类型的页面适配功能(Device Adaptation)

一套适合SAPUI5初学者循序渐进的学习教程教程目录SAPUI5本地开发环境的搭建SAPUI5应用开发教程之一：HelloWorldSAPUI5应用开发教程之二：SAPUI5的引导过程BootstrapSAPUI5应用开发教程之三：开始接触第一个SAPUI5控件SAPUI5应用开发教程之四：XML视图初探SAPUI5应用开发教程之五：视图控制器初探SAPUI5应用开发教程之六-了解SAPUI5的模
·2022-02-20 18:28

SAP UI5 设备类型检测 Device API 的工作原理

可以查看我这篇文章：SAPUI5应用开发教程之三十四-SAPUI5应用基于设备类型的页面适配功能(DeviceAdaptation)。本文介绍该设备检测API本身的工作原理。
·2022-02-20 18:28

每周文献 2021-05-05

文章题目：PopulationgenomicsprovidesinsightsintotheevolutionandadaptationtohumansofthewaterbornepathogenMycobacteriumkansasii
杨博士聊生信·2022-02-19 13:45

友邻哲学旅人 E13 平步青云的政治生涯（上）

Moreover,Ifoundinmyownnatureaspecialadaptationforthecontemplationoftruth.此外，我发觉自己有一种特殊的适应--对真理的沉思。
worldlyf·2022-02-16 07:56

一起看文献吧-菜鸟团一周文献推荐(No.6)

文章题目：Wholegenomesandtranscriptomesrevealadaptationanddomesticationofpistachio文章链接：https://genomebiology.biomedcentral.com
小梦游仙境·2022-02-14 20:43

语义分割-Unsupervised Domain Adaptation in Semantic Segmentation：a Review语义分割中的无监督领域自适应：综述

UnsupervisedDomainAdaptationinSemanticSegmentation：aReview语义分割中的无监督领域自适应：综述0.摘要1.介绍1.1.语义分割1.2.领域自适应:
HheeFish·2022-02-04 16:40

VLC网速估计算法

ExoPlayer网速估计算法在VLC播放器中有好几种自适应逻辑会估计网速，有NearOptimalAdaptationLogic、PredictiveAdaptationLogic、RateBasedAdaptationLogic
ce0b74704937·2022-02-02 23:23

【ICNP2020】AdapLoRa Resource Adaptation for Maximizing Network Lifetime in LoRa networks

AdaptiveAllocationofNetworkResource一、前言文章选于ICNP2020，作者提出了AdaLoRa，一种细粒度的模型，能够对动态网络进行资源分配，并最大化LoRa网络的lifetime。不仅仅要实现资源分配，还要使分配的结果更为公平。具体表现为，网络中出现第一个电量耗尽的设备时，其他设备还剩余多少电量。查询最后结果得知，这个lifetime的时间单位是年。在之前的论文
翡翠的风吟·2021-11-26 14:09

MetaSelector：基于用户级自适应模型选择的元学习推荐

元学习与机器学习的区别元学习数据分布推荐系统Contributions：MethodMetaSelectorframework基本模型模块模型选择模块训练MetaSelectorEpisodicMeta-trainingInnertaskAdaptationJointlyMeta-trainingθandφLearningInnerLe
研行笔录·2021-11-17 11:54

论文修改建议 (JiangXY 20211108 突出自己的优势指标)

不合适的大小写，如Discrepancy->discrepancyEvidenceDomainAdaptationLearningTheEvidenceMaximumMeanDifference(EMMD
闵帆·2021-11-08 10:05

论文修改 (JiangXY 20211020 表述问题)

realizes->implements,achievesbetweensourcedomainsandtargetdomains->betweensourceandtargetdomainsDomainadaptationachieveseffectivetransferbetweensourceandtargetdomainswithdifferentdistributions.Howtoac
闵帆·2021-10-20 20:50

[行人重识别论文阅读]无监督学习发展与小结

Unsuperviseddomainadaptation(UDA)forpersonre-ID.UDAmethodshaveattractedmuchattentionbecausetheircapabilityofsavingthecostofmanualannotations.Therearethreemaincategoriesofmethods.UDA
zlsd21·2021-10-18 20:12

[行人重识别论文阅读]Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person

论文地址：https://openreview.net/forum?id=rJlnOhVYPS代码地址：https://github.com/yxgeee/MMT文章的主要核心思想顾名思义就是解决伪标签噪声问题。看到网上有很好的解析文章：https://zhuanlan.zhihu.com/p/116074945/Abstract1.最先进的无监督领域自适应人再识别方法通过在目标域上使用聚类算法生
zlsd21·2021-10-18 10:14

TCA笔记3:TCA论文阅读

TransferComponentAnalysis属于边缘分布自适应方法目录摘要1.引言DA方法2.其他方法梗概与基本引理2.1DomainAdaptation其他方法梗概2.2HilbertSpaceEmbeddingofDistributions2.2.1MMD2.2.2HSIC2.3
lagoon_lala·2021-09-27 18:25

反向传播的无监督域自适应方法

论文标题：UnsupervisedDomainAdaptationbyBackpropagation论文链接：https://arxiv.org/abs/1409.7495论文来源：ICML2015一、
酷酷的群·2021-09-12 11:01
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他