多源域深度迁移学习方法研究

目录

声明

1 绪论

1.1 研究背景与意义

1.2 研究现状

1.2.1 单源域深度迁移学习

1.2.2 多源域深度迁移学习

1.3 主要研究内容

1.4 论文组织结构

2 多源域自适应中领域分布的相似度分析

2.1 迁移学习

2.2 深度学习

2.3 深度迁移学习

2.4 最大均值差异MMD度量及应用网络

2.5 Wasserstein度量及应用网络

2.6 领域分布的相似度分析

2.7 本章小结

3 基于分布差异度量的多源域非均衡深度迁移学习

3.1 共享特征提取部分

3.2 分类部分

3.3 域自适部分

3.3.1 基于Wasserstein度量

3.3.2 基于最大均值差异MMD度量

3.4 多源非均衡域自适应调节机制部分

3.5 实验结果及分析

3.5.1 数据集介绍

3.5.2 多源非均衡域自适应调节机制验证分析

3.5.3 多源非均衡域自适应实验结果对比分析

3.6本章小结

4 多源域深度迁移学习中的样本优化

4.1 负迁移概念

4.2 基于相互关系对齐CORAL的负迁移样本度量

4.3 基于CORAL度量的多源域深度迁移学习样本优化

4.3.1 模型的预训练

4.3.2 样本优化算法

4.4 样本优化实验结果对比分析

4.4.1 数据集

4.4.2 实验结果对比分析

4.5 本章小结

5 总结与展望

5.1 工作总结

5.2 研究展望

致谢

参考文献

攻读硕士学位期间主要研究成果