领域自适应研究综述

摘要：

经典机器学习算法假设训练数据和测试数据具有相同的输入特征空间和数据分布,但在很多现实应用中这一假设通常并不成立,导致经典机器学习算法失效.领域自适应是一种新的机器学习策略,其关键技术在于通过学习新的特征表达来对齐源域和目标域的数据分布,使得在有标签源域中训练的模型可以直接迁移到没有标签的目标域上,且不会引起模型性能的明显下降.介绍领域自适应的定义、分类和代表性算法,讨论基于度量学习和基于对抗学习的两类领域自适应算法.在此基础上,分析领域自适应的典型应用和现存挑战,并对其发展趋势及未来研究方向进行展望.

关键词：领域自适应、迁移学习、距离度量、对抗学习、单源域适应

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;四川省重点研发计划;四川省重点研发计划;川渝联合实施重点研发项目;国家重点实验室开放基金

在线出版日期：2021-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1-13