迁移学习到底是什么 杨强TCA2011 龙明盛JDA(联合分布适应Joint distribution adaptation)2013

最新推荐文章于 2024-04-11 15:04:25 发布
原创 最新推荐文章于 2024-04-11 15:04:25 发布 · 1.3k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨了由杨强、BENGIO、龙盛明提出的TCA（Transfer Component Analysis）方法，这是一种解决领域适应问题的有效手段，通过将源域和目标域数据映射到再生核希尔伯特空间，实现最小化两域间距离的同时保持各自内部属性。文章对比了TCA与PCA，阐述了其在分类任务中的应用，并介绍了最大均值差异距离（MMD）等关键技术。

杨强、BENGIO、龙盛明
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

TCA（transfer 主成分分析）2011年min Distance D from S

TCA针对domain adaptation问题中，源域和目标域处于不同数据分布时，将两个领域的数据一起映射到一个高维的再生核希尔伯特空间。在此空间中，最小化源和目标的数据距离，同时最大程度地保留它们各自的内部属性。
TCA属于基于特征的迁移学习方法。用通俗的语言来说，跟PCA很像：PCA是一个大矩阵进去，一个小矩阵出来，TCA呢，是两个大矩阵进去，两个小矩阵出来。从学术角度讲，直观地理解就是，在现在这个维度上不好最小化它们的距离，那么我就找个映射，在映射后的空间上让它们最接近，那么我不就可以进行分类了吗？

1 、距离公式：最大均值差异距离（MMD，maximum mean discrepancy）

最低0.47元/天 解锁文章
迁移学习二——JDA
qq_40824311的博客
11-02 4316
问题提出 之前我们在学习TCA时提到 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示； 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；...
基于联合分布适配的迁移学习(论文翻译)
attitude_yu
05-21 6778
基于联合分布适配的迁移学习Abstract  迁移学习应用在计算机视觉是一种有效的技术，可以利用源域中丰富的标记数据为目标域构建准确的分类器。然而，大多数现有方法并没有同时减少域间边缘分布和条件分布的差异。在本文中，我们提出了一种新型的迁移学习方法，称为联合分布适配（JDA）。具体而言，JDA的目标是在principled维度降低过程中联合适配边缘分布和条件分布，并构建新的特征表示，其对于适配分布...
联合分布适配JDA代码
10-03
机器学习经典域适应算法JDA代码，包含调用主程序和使用数据
联合分布适配（JDA）
01-20
Long M, Wang J, Ding G, et al. Transfer feature learning with joint distribution adaptation[C]//Proceedings of the IEEE International Conference on Computer Vision. 2013: 2200-2207. zhuanlan.zhihu.com/p/27336930 问题描述 先看迁移成分分析（TCA）对问题的描述(https://blog.youkuaiyun.com/weixin_44390521/article/details/104336224
精选资源
TCA（迁移成分分析）是迁移学习领域中的一种经典方法，由中国香港科技大学的杨强教授团队提出，并首次在AAAI-09上展示
02-27
TCA的核心思想是将源域和...通过TCA的映射，源域和目标域的数据在新的低维空间中的距离被最小化，这有助于改善迁移学习的效果，尤其是在源域和目标域数据分布不同的情况下。因此，TCA在迁移学习中具有重要的应用价值。
MyTCA.zip_TCA迁移学习_domain adaptation_transfer learning_迁移学习_迁移学习T
07-14
TCA属于基于特征的迁移学习方法，杨强教授出品2011年的,Domain Adaptation via Transfer Component Analysis
迁移学习-杨强-2015_Transitive_Transfer_Learning1
08-03
迁移学习-杨强-2015_Transitive_Transfer_Learning1 迁移学习是一种机器学习技术，通过利用源域的知识来增强目标域的学习能力。这种技术已经在各种应用中被证实是有效的。然而，迁移学习的一个主要限制是源域和目标...
迁移学习理论与应用_杨强
11-20
迁移学习是机器学习的一个重要分支，它关注的是如何将在一个领域（或任务）中学到的知识迁移到新的领域（或任务）中，尤其是当新领域（或任务）与原始领域（或任务）具有一定的共通性时。杨强教授在香港科技大学的...
【迁移学习】JDA（Joint Distribution adaptation ）小结
小李好好学
04-17 9747
JDA（Joint Distribution adaptation ）一种联合分布自适应的方法。 问题描述： 迁移学习是一门利用源域知识来提升目标域知识的学科（这里说的比较笼统），JDA是一种即考虑两个域之间的边缘分布（ marginal distributation）又考虑条件分布（conditional distribution）的经典迁移学习方法。 领域(Domain):一个领域（Domai...
迁移学习模拟数据集-Transfer Component Analysis (TCA)-数据集
03-27
此数据集主要用来测试Transfer Component Analysis（TCA）算法.
（迁移成分分析TCA）迁移学习算法程序实现_TCA迁移学习_TCA_迁移学习_迁移成分分析算法代码_
10-01
迁移学习算法程序实现 迁移成分分析算法，入门transfer learning可用
TCA（迁移成分分析）
01-06
TCA原版文章：S. J. Pan, I. W. Tsang, J. T. Kwok and Q. Yang, “Domain Adaptation via Transfer Component Analysis,” in IEEE Transactions on Neural Networks, vol. 22, no. 2, pp. 199-210, Feb. 2011.doi: 10.1109/TNN.2010.2091281 https://zhuanlan.zhihu.com/p/26764147 问题描述 源域(src)数据：源域数据 Ds=(xS1,yS1)，⋅⋅⋅，(xSn1,
TCA-JDA 公式推导学习记录
qq_38265022的博客
05-09 648
1.涉及知识 中心矩阵：https://orzyt.cn/posts/centering-matrix/ 核函数理解（SVM模型）：https://zhuanlan.zhihu.com/p/261061617 2.TCA公式推导到优化函数：https://zhuanlan.zhihu.com/p/26764147 其中 参考的MMD公式：https://blog.youkuaiyun.com/weixin_38233103/article/details/122551624CSND https://zhuan
《迁移学习简明手册》阅读笔记——数据分布自适应
iwtbs
05-11 5654
文章目录概念边缘分布自适应基本思路TCA解法总结 概念 数据分布自适应是一类最常用的迁移学习方法。这种方法 的基本思想是，由于源域和目标域的数据概率分布不同，那么最直接的方式就是通过一些变换，将不同的数据分布的距离拉近 数据的边缘分布不同，就是数据整体不相似 数据的条件分布不同，就是数据整体相似，但是具体到每个类里，都不太相似 根据数据分布的性质，这类方法又可以分为边缘分布自适应、条件分布自适应、以及联 合分布自适应 边缘分布自适应 基本思路 目标是减小源域和目标域 的边缘概率分布的距离，从而完成迁移学习。
Transfer Feature Learning with Joint Distribution Adaptation
gdtop的个人笔记
04-11 5093
本篇是迁移学习专栏介绍的第三篇论文，JDA方法首次发表于2013年的ICCV，它的作者是清华大学的博士生（现为清华大学助理教授）龙明盛。本篇介绍的JDA相当于TCA的增强算法。前作：Domain Adaptation via Transfer Component Analysis。 Abstract 迁移学习是一种有效的计算机视觉技术，它利用源域中丰富的标记数据为目标域构建精确的分类器。然而，...
迁移学习
heavenpeien的博客
05-22 3471
1、TCA 迁移成分分析 让源域和目标域距离尽可能小2、JDA 联合分布适配 同时适配条件分布、和边缘分布3、How transferable are features in deep neural networks神经网络的前3层基本都是general feature，进行迁移的效果会比较好；深度迁移网络中加入fine-tune，效果会提升比较大，可能会比原网络效果还好；Fine-tune可以比...
【域适应】基于迁移成分分析(TCA) 的典型二分类问题(python)
最新发布
张哥频道：电生理信号和磁共振成像
04-11 777
传统预适应方法 transfer component analysis 典型方法实现。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值