PulseAugur
中
实时 11:01:56

新方法通过子集共享不变性学习域泛化

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员提出了一种新的域泛化方法，称为子集共享不变性，它解决了当前方法在所有源域中强制全局不变性的局限性。这种新技术利用混合专家架构来学习在特定域子集内稳定的预测结构，而不是普遍性的。在DomainBed基准上的实验表明，其在域外泛化和鲁棒性方面有所提高，表明通过部分共享结构来建模不变性是一个发展方向。 AI

影响 这项研究可能带来更鲁棒的AI模型，在多样化、未见过的数据集上表现更好。

排序理由 研究论文，详细介绍了一种新的域泛化方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新方法通过子集共享不变性学习域泛化

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Tien-Hung Nguyen, Tien-Dat Tran, M. -Duong Nguyen, Kok-Seng Wong ·

    学习子集共享不变性以实现混合专家领域泛化

    arXiv:2606.25665v1 Announce Type: new Abstract: Domain generalization (DG) aims to learn a model from one or more source domains that generalizes to an unseen target domain without accessing target data during training. A common approach enforces invariance of representations acr…

  2. arXiv cs.LG TIER_1 English(EN) · Kok-Seng Wong ·

    学习子集共享不变性以实现混合专家领域泛化

    Domain generalization (DG) aims to learn a model from one or more source domains that generalizes to an unseen target domain without accessing target data during training. A common approach enforces invariance of representations across all source domains, assuming predictive stru…

相关实体

相关话题