PulseAugur
实时 12:19:32
English(EN) TILT: Target-induced loss tilting under covariate shift

新的TILT方法改进了无监督域自适应

研究人员推出了一种新的无监督域自适应方法——目标诱导损失倾斜(TILT),该方法解决了协变量偏移问题。TILT利用一种新颖的目标函数,通过惩罚未标记目标数据上的辅助组件来训练源预测器。这种方法隐式地加权了重要性,并在包括回归问题和CIFAR-100蒸馏在内的各种实验中显示出改进的性能,优于现有基线。 AI

影响 引入了一种新颖的技术,用于在数据分布发生变化时提高模型性能,有可能增强实际应用中的泛化能力。

排序理由 介绍域自适应新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的TILT方法改进了无监督域自适应

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Martin J. Wainwright ·

    TILT:协变量偏移下的目标诱导损失倾斜

    We introduce and analyze Target-Induced Loss Tilting (TILT) for unsupervised domain adaptation under covariate shift. It is based on a novel objective function that decomposes the source predictor as $f+b$, fits $f+b$ on labeled source data while simultaneously penalizing the aux…