Adaptation) 第21页

[cvpr2017]Domain Adaptation by Mixture of Alignments of Second- or Higher-Order Scatter Tensors

三个散度矩阵：LDA上的三个散度矩阵introduction作者将自己的模型称为SecondorHigher-orderTransferofKnowledge(So-HoT)，是一个对sourcedomain和targetdomain之间进行二阶或者更高阶次的统计量的一个对齐(alignment).作者使用二阶或者更高阶的scatter张量，sourcedomain一个，targetdomain一

MataFela·2017-08-31 21:13

[cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation

introduction作者的框架（DomainAdaptiveHashing(DAH)）通过学习sourcedomain和targetdomain的信息哈希码来进行分类（数据量很庞大，所以考虑到了哈希，可以利用哈希的快速查询和低内存使用）。作者在一个新的数据集——Office-Home——上进行试验，这个数据集有来自4个域的图像信息（15500图像65个类），作者希望正式自己的算法在多重的迁移学

MataFela·2017-08-31 20:20

[cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation

introduction作者的框架（DomainAdaptiveHashing(DAH)）通过学习sourcedomain和targetdomain的信息哈希码来进行分类（数据量很庞大，所以考虑到了哈希，可以利用哈希的快速查询和低内存使用）。作者在一个新的数据集——Office-Home——上进行试验，这个数据集有来自4个域的图像信息（15500图像65个类），作者希望正式自己的算法在多重的迁移学

MataFela·2017-08-31 20:20

[cvpr2017]Joint Geometrical and Statistical Alignment for Visual Domain Adaptation

线性判别分析线性判别分析LDA原理总结三个散度矩阵：LDA上的三个散度矩阵introduction作者提出了一个称为JointGeometricalandStatisticalAlignment(JGSA)的框架，用于减少sourcedomain和targetdomain之间的统计量上和几何上的差异(shift)具体来说，就是学习sourcedomain和targetdomain上的两个（耦合的？

MataFela·2017-08-30 19:02

[cvpr2017]Joint Geometrical and Statistical Alignment for Visual Domain Adaptation

线性判别分析线性判别分析LDA原理总结三个散度矩阵：LDA上的三个散度矩阵introduction作者提出了一个称为JointGeometricalandStatisticalAlignment(JGSA)的框架，用于减少sourcedomain和targetdomain之间的统计量上和几何上的差异(shift)具体来说，就是学习sourcedomain和targetdomain上的两个（耦合的？

MataFela·2017-08-30 19:02

神经机器翻译中的领域自适应问题 Domain adaptation for NMT

StanfordNeuralMachineTranslationSystemsforSpokenLanguageDomains.Minh-ThangLuongandChristopherD.Manning.http://www.statmt.org/OSMOSES/Stanford-IWSLT-15.pdf2.Fastdomainadaptationforneuralmachinet

warrioR_wx·2017-08-30 16:12

[cvpr2017]Adversarial Discriminative Domain Adaptation

本文针对无监督作者结合了discriminativemodel，untieweightsharing和GANloss，创建了一种新的模型：AdversarialDiscriminativeDomainAdaptation

MataFela·2017-08-29 09:49

[cvpr2017]Adversarial Discriminative Domain Adaptation

本文针对无监督作者结合了discriminativemodel，untieweightsharing和GANloss，创建了一种新的模型：AdversarialDiscriminativeDomainAdaptation

MataFela·2017-08-29 09:49

[cvpr2017]Learning an Invariant Hilbert Space for Domain Adaptation

马氏距离Introduction本文适用于半监督和无监督形式的domainadaptation作者尝试开发一个几何解决方案，通过利用黎曼几何的概念学习潜在空间（latentspace）的投影和马氏距离。

MataFela·2017-08-24 22:12

[cvpr2017]Learning an Invariant Hilbert Space for Domain Adaptation

马氏距离Introduction本文适用于半监督和无监督形式的domainadaptation作者尝试开发一个几何解决方案，通过利用黎曼几何的概念学习潜在空间（latentspace）的投影和马氏距离。

MataFela·2017-08-24 22:12

[cvpr2017]Unsupervised Pixel–Level Domain Adaptation with Generative Adversarial Networks

优势与Task-Specific图像训练结构解耦合。作者说因为这个域适应是在像素级别上进行的（becauseourmodelmapsoneimagetoanotheratthepixellevel），所以我们可以改变这个Task-Specific图像训练结构在标签域也可以同样做到域适应targetdomain和sourcedomain的标签域可以不一样，targetdomain训练时和测试时可以使

MataFela·2017-08-14 12:54

Cube

Becauseit'sanadaptationtodeskboundlifestyle.Societyincreasinglydemandsmentalwork

luluhu·2017-06-22 23:43

纯干货7 Domain Adaptation视频教程（附PPT）及经典论文分享

之前，在文章《模型汇总15领域适应性DomainAdaptation、One-shot/zero-shotLearning概述》中，介绍了关于DomainAdaptation的相关基础知识，并没有深入介绍

lqfarmer·2017-06-22 22:47

模型汇总15 领域适应性Domain Adaptation、One-shot/zero-shot Learning概述

几乎所有希望在实际应用中使用机器学习算法的人都会遇到领域适应性（DomainAdaptation）的问题：我们在固定的sourcedomain建立了模型，但希望把我们的模型部署到另外一个或几个不同的targetdomain

lqfarmer·2017-06-18 18:27

域适应学习笔记：visual Domain Adaptation

在迁移学习中，当源域和目标的数据分布不同，但两个任务相同时，这种特殊的迁移学习叫做域适应（DomainAdaptation，DA）。

SusanZhang1231·2017-06-15 10:31

Unsupervised Domain Adaptation with Residual Transfer Networks（2017）

introduction作者认为，domainadaption（域适应）方法旨在通过学习domain-invariantfeature（域不变特征）来桥接sourcedomain和targetdomain，从而能够在targetdomain没有标签的情况下，利用sourcedomain所学到的分类器对targetdomain进行预测。现在已经可以将domainadaption嵌入到deepfeat

MataFela·2017-06-07 00:17

面向语法分析的word2vec修正

文献：LWang，CDyer，AWBlack，ITrancoso.Two/TooSimpleAdaptationsofWord2VecforSyntaxProblems[C].ACL2015:1299–

falianghuang·2017-06-06 14:00

Deep CORAL: Correlation Alignment for Deep Domain Adaptation（2016）

Introduction作者引进了一个叫做CORAL的方法，通过对sourcedomain和targetdomain进行线性变换来将他们各自的的二阶统计量对齐（对齐均值与协方差矩阵）。但是作者认为CORAL实际上需要先对图像进行特征提取，再进行线性转换，再训练一个SVM分类器，比较麻烦。作者对CORAL方法进行了拓展，通过在sourcedomain和targetdomain之间建立一个最小化sou

MataFela·2017-06-06 13:39

PES,TS,PS,RTP等流的打包格式解析之TS流

包的进一步封装，基本单位为TS包，固定每包大小为188字节(或204字节，在188字节后加上16字节的CRC校验数据)，由TS包头和payload组成；其组成如下图：其中包头由4个字节的固定头部和其后的adaptationfield

小猪_sun·2017-05-08 18:58

笔记：Domain Adaptation on the Statistical Manifold

在统计流形上的域适应DomainAdaptationontheStatisticalManifoldYvonne-fan-Introduction-Algorithm-Optimization-EvaluationIntroduction

Yvonne_fan·2017-05-03 22:50

Just DIAL: DomaIn Alignment Layers for Unsupervised Domain Adaptation

今天看了这篇文章，和以往处理域自适应问题的方法不同，文章提出的方法不是针对于学习源域与目标域公共特征，而是在神经网络中添加Domain-Alignment功能的层，一个固定的参考分布，将源域样本和目标域样本进行转化，从而处理domain-shift问题。然后我是在word上打出来写给导师的，但是尴尬的发现和上次文章一样，不能直接粘贴到csdn上，因为公式全部都不显示。一张一张粘贴公式的话排版看起来

BigFish_yukang·2017-03-04 17:49

READING NOTE: Adversarial Discriminative Domain Adaptation

TITLE:AdversarialDiscriminativeDomainAdaptationAUTHOR:EricTzeng,JudyHoffman,KateSaenko,TrevorDarrellASSOCIATION

Joshua_Li_·2017-02-22 22:07

关于domain adaptation

转自：http://blog.csdn.net/a1154761720/article/details/51020105这篇文章是结合对抗网络框架与深度学习技术解决domainadaptation应用的一个工作

LilyNothing·2017-02-22 10:28

用tensorflow实现usps和mnist数据集的迁移学习

基于论文：《DeepTransferNetwork:UnsupervisedDomainAdaptation》前面我已经对这篇文章做过简单的导读：【深度学习】论文导读：无监督域适应（DeepTransferNetwork

xf__mao·2017-02-09 12:14

用tensorflow实现usps和mnist数据集的迁移学习

基于论文：《DeepTransferNetwork:UnsupervisedDomainAdaptation》前面我已经对这篇文章做过简单的导读：【深度学习】论文导读：无监督域适应（DeepTransferNetwork

mao_xiao_feng·2017-02-09 12:00

【深度学习】论文导读：无监督域适应（Deep Transfer Network: Unsupervised Domain Adaptation）

一、Domainadaptation在开始介绍之前，首先我们需要知道Domainadaptation的概念。

xf__mao·2017-01-14 15:45

【深度学习】论文导读：无监督域适应（Deep Transfer Network: Unsupervised Domain Adaptation）

一、Domainadaptation在开始介绍之前，首先我们需要知道Domainadaptation的概念。

mao_xiao_feng·2017-01-14 15:00

CMA-ES 算法

CMA-ES算法一、算法介绍CMA-ES是CovarianceMatrixAdaptationEvolutionaryStrategies的缩写，中文名称是协方差矩阵自适应进化策略，主要用于解决连续优化问题

Tsingke·2017-01-07 11:00

Android屏幕大小适配问题解决

原地址：http://www.penddy.com/a-variety-of-screen-adaptation-of-android.htmlAndroid屏幕大小适配问题解决转载：http://www.cnblogs.com

zynet·2016-12-27 10:17

Domain adaptation：连接机器学习（Machine Learning）与迁移学习（Transfer Learning）

domainadaptation（域适配）是一个连接机器学习（machinelearning）与迁移学习（transferlearning）的新领域。

Inside_Zhang·2016-11-21 16:38

CMA-ES算法解决连续优化问题

一、算法介绍CMA-ES是CovarianceMatrixAdaptationEvolutionaryStrategies的缩写，中文名称是协方差矩阵自适应进化策略，主要用于解决连续优化问题，尤其在病态条件下的连续优化问题

fengkuang·2016-11-18 06:14

论文中的长句子

Thechangeintroducedinthelabelspaceshouldbecoupledwithanadaptationofthewayatestfunctionisselectedineachnodeoftherandomforestduringthetrainingprocedureinord

DuinoDu·2016-07-23 10:15

论文笔记 | Improving neural networks by preventing co-adaptation of feature detectors

AuthorsG.E.Hinton,N.Srivastava,A.Krizhevsky,I.SutskeverandR.R.SalakhutdinovHintonAbstract训练时随机忽略一半的featuredetectors能够防止因训练集太小带来的过拟合问题。这能够防止一些detectors联合在一起才起作用的情况，每个神经元预测一个特征有利于提高准确率，这种dropout的方法能提高很多

bea_tree·2016-07-10 15:04

2016.6.12

Warcraft魔兽争霸boxoffice票房videogame视频游戏cinematicadaptation电影改编screeningdate上映日期coincidedwith与……一致hardcore"Warcraft"fans

草莽书生·2016-06-12 08:24

ffmpeg转码MPEG2-TS的音视频同步机制分析

一、FFmpeg忽略了adaptation_field()数据FFmpeg忽略了包含PCR值的adaptation_filed数据;代码(libavformat/mpegts.c)分析如下:/*解析TS

u013354805·2016-05-31 15:00

ffmpeg转码MPEG2-TS的音视频同步机制分析(转)

一、FFmpeg忽略了adaptation_field()数据FFmpeg忽略了包含PCR值的adaptation_filed数据;代码(libavformat/mpegts.c)分析如下:/*解析TS

rogerwu1228·2016-05-30 23:53

健身为什么需要休息！？

先来谈谈所谓的一般适应症候群(GeneralAdaptationSyndrome)[下图左]，由HansSelye所提出的，在人体在面临压力时，在适应的过程中，会有三个阶段：警觉(Alarm)、抵抗(Res

肌肉构成·2016-05-28 00:00

像素密度与CSS3的viewport在移动端Web响应式布局中的运用

何谓viewport根据w3c对于CSSDeviceAdaptation的解释，他大致上是在做这些事情，1.根据装置的显示区域来展示文件2.放大或缩小文件，来符合或设定上给予装置的可视区域3.允许设定或初始化缩放的级别

Murphywuwu·2016-05-27 11:50

Improving neural networks by preventing co-adaptation of feature detectors阅读

没有pretraining的情况下，首先训练的时候的更新是采用设置一个bound，如果接触了bound，那么久开始正则化其值。其实这个事比较好的一种方法，感觉，但是bound难以动态调整。因为对于去权重的学习，其实是和训练样本有很大关系的，之所以正则化，就是不希望对于某些变化特别大的点过于敏感，所以学习整体分布，但是人人都收税，似乎不太好，采用能者多劳的方式进行收税感觉会更好一些，L2是能者多劳，

Zhaohui1995_Yang·2016-05-13 15:00

笔记：Semi-supervised domain adaptation with subspace learning for visual recognition (cvpr15)

本文基于子空间学习提出了一种半监督的域自适应框架（SDASL）。在这个框架中，一方面学习一个领域不变（domaininvariant）的低维结构（low-dimensionstructure），也就是子空间，从而减少不同域上数据分布不同带来domainshift影响；另一方面通过正则项利用目标域上的unlabeled样本来学习目标域上的结构信息。具体而言，首先在源域和目标域上分别学习一个映射（这个

泡温水澡的青蛙·2016-05-08 13:32

笔记：Semi-supervised domain adaptation with subspace learning for visual recognition (cvpr15)

本文基于子空间学习提出了一种半监督的域自适应框架（SDASL）。在这个框架中，一方面学习一个领域不变（domaininvariant）的低维结构（low-dimensionstructure），也就是子空间，从而减少不同域上数据分布不同带来domainshift影响；另一方面通过正则项利用目标域上的unlabeled样本来学习目标域上的结构信息。具体而言，首先在源域和目标域上分别学习一个映射（这个

a1154761720·2016-05-08 13:00

笔记：Deep transfer network: unsupervised domain adaptation

这篇文章里提出了一种用MMD来同时对两个域上的marginaldistribution和conditionaldistribution进行约束的迁移网络。具体而言，用MMD来对两个域（源域和目标域）上的提取到的特征分布进行约束，从而使两个域上的特征分布尽可能相同，这个分布叫做marginaldistribution；同时对两个域上的softmax分类结果用MMD来进行约束，使得两个分类结果的分布尽

泡温水澡的青蛙·2016-05-08 12:14

笔记：Deep transfer network: unsupervised domain adaptation

这篇文章里提出了一种用MMD来同时对两个域上的marginaldistribution和conditionaldistribution进行约束的迁移网络。具体而言，用MMD来对两个域（源域和目标域）上的提取到的特征分布进行约束，从而使两个域上的特征分布尽可能相同，这个分布叫做marginaldistribution；同时对两个域上的softmax分类结果用MMD来进行约束，使得两个分类结果的分布尽

a1154761720·2016-05-08 12:00

笔记：Beyond sharing weights for deep domain adaptation

Basedondeeplearning,insteadofsharingweightsacrosssourceandtargetdomains,thisworkproposedatwo-streamarchitecturewheredifferentstreamsoperateondifferentdomains,withanadditionallossfunctiontoimplytherela

泡温水澡的青蛙·2016-05-08 12:05

笔记：Beyond sharing weights for deep domain adaptation

Basedondeeplearning,insteadofsharingweightsacrosssourceandtargetdomains,thisworkproposedatwo-streamarchitecturewheredifferentstreamsoperateondifferentdomains,withanadditionallossfunctiontoimplytherela

a1154761720·2016-05-08 12:00

swift开发网络篇—利用NSURLSession 发送GET和POST请求

如何配置，请参考https://github.com/HanGangAndHanMeimei/iOS9AdaptationTips一、简单说明在iOS9.0之后，以前使用的NSURLConnection

ABCD2686529828·2016-05-05 15:00

笔记：unsupervised domain adaptation by backpropagation

这篇文章是结合对抗网络框架与深度学习技术解决domainadaptation应用的一个工作。

泡温水澡的青蛙·2016-03-30 22:57

笔记：unsupervised domain adaptation by backpropagation

这篇文章是结合对抗网络框架与深度学习技术解决domainadaptation应用的一个工作。

a1154761720·2016-03-30 22:00

论文心得：BatchNorm的那些变体

本文记录BatchNormalization的三个拓展，分别是AdaBN(RevisitingBatchNormalizationForPracticalDomainAdaptation)、WeightNormalization

chaojichaoachao·2016-03-27 22:00

51.iOS9 新特性及适配

本文是投稿文章，作者：ChenYilong（https://github.com/ChenYilong/iOS9AdaptationTips）Demo1_iOS9网络适配_改用更安全的HTTPSiOS9

wangyanchang21·2016-03-19 16:00

推荐频道

Adaptation)

[cvpr2017]Domain Adaptation by Mixture of Alignments of Second- or Higher-Order Scatter Tensors

[cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation

[cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation

[cvpr2017]Joint Geometrical and Statistical Alignment for Visual Domain Adaptation

[cvpr2017]Joint Geometrical and Statistical Alignment for Visual Domain Adaptation

神经机器翻译中的领域自适应问题 Domain adaptation for NMT

[cvpr2017]Adversarial Discriminative Domain Adaptation

[cvpr2017]Adversarial Discriminative Domain Adaptation

[cvpr2017]Learning an Invariant Hilbert Space for Domain Adaptation

[cvpr2017]Learning an Invariant Hilbert Space for Domain Adaptation

[cvpr2017]Unsupervised Pixel–Level Domain Adaptation with Generative Adversarial Networks

Cube

纯干货7 Domain Adaptation视频教程（附PPT）及经典论文分享

模型汇总15 领域适应性Domain Adaptation、One-shot/zero-shot Learning概述

域适应学习笔记：visual Domain Adaptation

Unsupervised Domain Adaptation with Residual Transfer Networks（2017）

面向语法分析的word2vec修正

Deep CORAL: Correlation Alignment for Deep Domain Adaptation（2016）

PES,TS,PS,RTP等流的打包格式解析之TS流

笔记：Domain Adaptation on the Statistical Manifold

Just DIAL: DomaIn Alignment Layers for Unsupervised Domain Adaptation

READING NOTE: Adversarial Discriminative Domain Adaptation

关于domain adaptation

用tensorflow实现usps和mnist数据集的迁移学习

用tensorflow实现usps和mnist数据集的迁移学习

【深度学习】论文导读：无监督域适应（Deep Transfer Network: Unsupervised Domain Adaptation）

【深度学习】论文导读：无监督域适应（Deep Transfer Network: Unsupervised Domain Adaptation）

CMA-ES 算法

Android屏幕大小适配问题解决

Domain adaptation：连接机器学习（Machine Learning）与迁移学习（Transfer Learning）

CMA-ES算法解决连续优化问题

论文中的长句子

论文笔记 | Improving neural networks by preventing co-adaptation of feature detectors

2016.6.12

ffmpeg转码MPEG2-TS的音视频同步机制分析

ffmpeg转码MPEG2-TS的音视频同步机制分析(转)

健身为什么需要休息！？

像素密度与CSS3的viewport在移动端Web响应式布局中的运用

Improving neural networks by preventing co-adaptation of feature detectors阅读

笔记：Semi-supervised domain adaptation with subspace learning for visual recognition (cvpr15)

笔记：Semi-supervised domain adaptation with subspace learning for visual recognition (cvpr15)

笔记：Deep transfer network: unsupervised domain adaptation

笔记：Deep transfer network: unsupervised domain adaptation

笔记：Beyond sharing weights for deep domain adaptation

笔记：Beyond sharing weights for deep domain adaptation

swift开发网络篇—利用NSURLSession 发送GET和POST请求

笔记：unsupervised domain adaptation by backpropagation

笔记：unsupervised domain adaptation by backpropagation

论文心得：BatchNorm的那些变体

51.iOS9 新特性及适配