首页|基于dropout正则化的半监督域自适应方法

基于dropout正则化的半监督域自适应方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对机器学习中训练样本和测试样本概率分布不一致的问题,提出了一种基于dropout正则化的半监督域自适应方法来实现将神经网络的特征表示从标签丰富的源域转移到无标签的目标域.此方法从半监督学习的角度出发,在源域数据中添加少量带标签的目标域数据,使得神经网络在学习到源域数据特征分布的同时也能学习到目标域数据的特征分布.由于有了先验知识的指导,即使没有丰富的标签信息,神经网络依然可以很好地拟合目标域数据.实验结果表明,此算法在几种典型的数字数据集SVHN、MNIST和USPS的域自适应任务上的性能优于现有的其他算法,并且在涵盖广泛自然类别的真实数据集CIFAR-10和STL-10的域自适应任务上有较好的鲁棒性.
Semi-supervised domain adaptation method based on dropout regularization

李志恒、何军、胡昭华

展开 >

南京信息工程大学 电子与信息工程学院,南京210044

南京信息工程大学 人工智能学院,南京210044

域自适应方法 正则化 半监督学习 神经网络

国家自然科学基金资助项目江苏省自然科学基金资助项目

61601230BK20141004

2021

10.19734/j.issn.1001-3695.2019.11.0650

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(2)
  • 1
  • 4