Domain Adaptation via Transfer Component Analysis
本篇是迁移学习专栏介绍的第二篇论文，由CUHK的杨强教授于2011年发表在AAAI的提出的应用在Domain Adaption上的TCA。机器学习中有一类非常有效的方法叫做降维（dimensionality reduction），用简单的话来说就是，把原来很高维度的数据（比如数据有1000多列）用很少的一些代表性维度来表示（比如1000多维用100维来表示）而不丢失关键的数据信息。这些降维方法多种
相关文章
- 1. 论文笔记 —— 《Domain Adaptation via Transfer Component Analysis》
- 2. 【Transfer Learning】Adversarial Discriminative Domain Adaptation
- 3. [MICCAI2019]Unsupervised Domain Adaptation via Disentangled Representations
- 4. Unsupervised Domain Adaptation with Residual Transfer Networks（2017）
- 5. Unsupervised domain adaptation with residual transfer networks(NIPS 2016)
- 6. Domain Adaptation论文合集
- 7. Real-Time monocular depth estimation using synthetic data with domain adaptation via IST
- 8. Sparse Principal Component Analysis via Rotation and Truncation
- 9. Sensor Transfer: Learning Optimal Sensor Effect Image Augmentation for Sim-to-Real Domain Adaptation
- 10. Open Set Domain Adaptation
- 更多相关文章...
- • ASP Transfer 方法 - ASP 教程
- • PHP is_uploaded_file() 函数 - PHP参考手册
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Flink 数据传输及反压详解
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文笔记 —— 《Domain Adaptation via Transfer Component Analysis》
- 2. 【Transfer Learning】Adversarial Discriminative Domain Adaptation
- 3. [MICCAI2019]Unsupervised Domain Adaptation via Disentangled Representations
- 4. Unsupervised Domain Adaptation with Residual Transfer Networks（2017）
- 5. Unsupervised domain adaptation with residual transfer networks(NIPS 2016)
- 6. Domain Adaptation论文合集
- 7. Real-Time monocular depth estimation using synthetic data with domain adaptation via IST
- 8. Sparse Principal Component Analysis via Rotation and Truncation
- 9. Sensor Transfer: Learning Optimal Sensor Effect Image Augmentation for Sim-to-Real Domain Adaptation
- 10. Open Set Domain Adaptation