漂移感知動態神經網路加持,時間域泛化新框架遠超領域泛化&適應方法

王林
發布: 2023-04-09 19:11:01
轉載
1579 人瀏覽過

在領域泛化 (Domain Generalization, DG) 任務中,當領域的分佈隨環境連續變化時,如何準確地捕捉該變化以及其對模型的影響是非常重要但也極富挑戰的問題。為此,來自Emory 大學的趙亮教授團隊,提出了一種基於貝葉斯理論的時間域泛化框架DRAIN,利用遞歸網路學習時間維度領域分佈的漂移,同時透過動態神經網路以及圖生成技術的結合最大化模型的表達能力,實現對未來未知領域上的模型泛化與預測。本工作已入選 ICLR 2023 Oral (Top 5% among accepted papers)。


以上是漂移感知動態神經網路加持,時間域泛化新框架遠超領域泛化&適應方法的詳細內容。更多資訊請關注PHP中文網其他相關文章!

相關標籤:
來源:51cto.com
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
最新問題
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板
關於我們 免責聲明 Sitemap
PHP中文網:公益線上PHP培訓,幫助PHP學習者快速成長!