结合域混淆与MK-MMD的深度适应网络

摘要：

在深度学习的应用场景中,常会遇到缺乏大量标记数据的情况,域适应作为利用相关源域标记数据信息来对目标域数据进行信息补充的一种迁移学习方法,解决此类问题是非常有效的.在域适应方法中,基于最大均值误差( MMD)度量来缩小源域目标域差异的方法被广泛应用,深度适应网络(DAN)是其中经典方法之一.但是结合多核最大均值误差( MK-MMD)思想的DAN方法在特征迁移层面仍有提升空间,且该方法在不同迁移场景下的适用效果有差异.本文针对这两个问题,结合域混淆思想,进一步提升域适应效果.同时,从实验与理论两方面探究MK-MMD度量在不同场景下的适用权重以及MK-MMD与域混淆的最佳组合方式.

关键词：迁移学习、域适应、MK-MMD、域混淆

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金项目NS2016091;南京航空航天大学研究生创新基地实验室开放基金项目kfjj20171602

在线出版日期：2019-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1519-1524