在現(xiàn)實(shí)社會(huì)的生產(chǎn)生活中,隨著數(shù)據(jù)量的快速增長(zhǎng),我們對(duì)圖像以及其他類型的數(shù)據(jù)進(jìn)行分析和利用的需求飛速增長(zhǎng)。為了分析多種數(shù)據(jù)類型的各種數(shù)據(jù)任務(wù),我們?cè)谏疃葘W(xué)習(xí)上取得了飛速進(jìn)展,這給我們的生活帶來(lái)了便捷性,極大地提升了生活的品質(zhì)。盡管深度學(xué)習(xí)在眾多應(yīng)用中取得了成功,但其出色的性能在很大程度上取決于大量的標(biāo)記數(shù)據(jù),標(biāo)記數(shù)據(jù)的過(guò)程一般都耗時(shí)耗力。為了減輕對(duì)數(shù)據(jù)標(biāo)注的高度依賴,一個(gè)解決方案是利用一些已有標(biāo)簽的其他數(shù)據(jù)域的信息來(lái)應(yīng)用到對(duì)該數(shù)據(jù)域的學(xué)習(xí)上。所以,需要解決其他數(shù)據(jù)域和該數(shù)據(jù)域的數(shù)據(jù)分布不匹配問(wèn)題。在過(guò)去的研究中,研究者們提出了大量的域適應(yīng)方法并在實(shí)驗(yàn)中證明其對(duì)域間解決數(shù)據(jù)分布不匹配問(wèn)題的有效性。但是,現(xiàn)今的域適應(yīng)方法沒(méi)有考慮模型在無(wú)標(biāo)簽的目標(biāo)域上的預(yù)測(cè)結(jié)果的穩(wěn)定性,所以在目標(biāo)域缺失標(biāo)注這種更困難的無(wú)監(jiān)督域適應(yīng)場(chǎng)景下,往往在目標(biāo)域上不能有好的預(yù)測(cè)效果。本文針對(duì)上述不足,提出了兩種基于對(duì)抗和正則化方法的新穎的域適應(yīng)方法,現(xiàn)對(duì)這兩種方法總結(jié)如下:(1)我們提出了權(quán)重時(shí)序正則化域?qū)咕W(wǎng)絡(luò)(W-TeDAN),一方面使模型學(xué)習(xí)到域之間的不變通用特征,減少域之間的距離;另一方面正則化約束模型在無(wú)標(biāo)簽數(shù)...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 域適應(yīng)方法國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要內(nèi)容與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 域適應(yīng)方法綜述
    2.1 問(wèn)題描述
    2.2 非深度域適應(yīng)方法
        2.2.1 同構(gòu)域適應(yīng)方法
        2.2.2 多源域適應(yīng)方法
        2.2.3 異構(gòu)域適應(yīng)方法
    2.3 深度域適應(yīng)方法
    2.4 本章小結(jié)
第三章 元學(xué)習(xí)的介紹
    3.1 元學(xué)習(xí)的發(fā)展動(dòng)機(jī)
    3.2 元學(xué)習(xí)的相關(guān)研究方法
        3.2.1 基于記憶單元的方法
        3.2.2 基于梯度學(xué)習(xí)的元學(xué)習(xí)方法
        3.2.3 基于注意力機(jī)制的元學(xué)習(xí)方法
        3.2.4 基于通用模型的元學(xué)習(xí)方法
    3.3 元學(xué)習(xí)的現(xiàn)狀與未來(lái)
    3.4 本章小結(jié)
第四章 權(quán)重時(shí)序正則化域?qū)咕W(wǎng)絡(luò)
    4.1 教師學(xué)生網(wǎng)絡(luò)
    4.2 權(quán)重時(shí)序正則化域?qū)咕W(wǎng)絡(luò)
        4.2.1 數(shù)據(jù)隨機(jī)增廣模塊
        4.2.2 基于條件分布的對(duì)抗訓(xùn)練模塊
        4.2.3 權(quán)重時(shí)序集成模塊
        4.2.4 源域標(biāo)簽信息結(jié)合模塊
        4.2.5 權(quán)重時(shí)序正則化域?qū)咕W(wǎng)絡(luò)目標(biāo)損失函數(shù)
    4.3 權(quán)重時(shí)序正則化域?qū)咕W(wǎng)絡(luò)算法流程
    4.4 實(shí)驗(yàn)內(nèi)容和結(jié)果分析
        4.4.1 數(shù)據(jù)集
        4.4.2 實(shí)驗(yàn)設(shè)置
        4.4.3 實(shí)驗(yàn)結(jié)果
        4.4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 基于元學(xué)習(xí)的權(quán)重時(shí)序正則化域?qū)咕W(wǎng)絡(luò)
    5.1 基于元學(xué)習(xí)的權(quán)重時(shí)序正則化域?qū)咕W(wǎng)絡(luò)
        5.1.1 數(shù)據(jù)隨機(jī)增廣模塊
        5.1.2 元訓(xùn)練模塊
        5.1.3 權(quán)重時(shí)序集成模塊
        5.1.4 元預(yù)測(cè)模塊
    5.2 基于元學(xué)習(xí)的權(quán)重時(shí)序正則化域?qū)咕W(wǎng)絡(luò)算法流程
    5.3 實(shí)驗(yàn)內(nèi)容和結(jié)果分析
        5.3.1 數(shù)據(jù)集
        5.3.2 實(shí)驗(yàn)設(shè)置
        5.3.3 實(shí)驗(yàn)結(jié)果
        5.3.4 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3763490