首页> 外文学位 >Towards Robust and Domain Invariant Feature Representations in Deep Learning

【24h】

Towards Robust and Domain Invariant Feature Representations in Deep Learning

机译：走向深度学习中的稳健和领域不变特征表示

获取原文

获取原文并翻译 | 示例

AI期刊论文写作 >>

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Sankaranarayanan, Swaminathan.;
展开▼
作者单位

University of Maryland College Park.;

展开▼
授予单位 University of Maryland College Park.;
学科
学位 Ph.D.
年度 2018
页码 182 p.
总页数 182
原文格式 PDF
正文语种 eng
中图分类
关键词

相似文献

外文文献
中文文献
专利

1. Domain-invariant representation learning using an unsupervised domain adversarial adaptation deep neural network [J] . Jia Xibin, Jin Ya, Su Xing, Neurocomputing . 2019,第AUGa25期

机译：使用无监督领域对抗性适应性深度神经网络的领域不变表示学习
2. Domain-invariant representation learning using an unsupervised domain adversarial adaptation deep neural network [J] . Jia Xibin, Jin Ya, Su Xing, Neurocomputing . 2019,第Auga25期

机译：域名不变的表示学习使用无监督的域对抗性适应深神经网络
3. Deep-Learning Systems for Domain Adaptation in Computer Vision: Learning Transferable Feature Representations [J] . Hemanth Venkateswara, Shayok Chakraborty, Sethuraman Panchanathan IEEE Signal Processing Magazine . 2017,第6期

机译：用于计算机视觉领域适应的深度学习系统：学习可转移的特征表示
4. EXTRACTING DOMAIN INVARIANT FEATURES BY UNSUPERVISED LEARNING FOR ROBUST AUTOMATIC SPEECH RECOGNITION [C] . Wei-Ning Hsu, James Glass IEEE International Conference on Acoustics, Speech and Signal Processing . 2018

机译：通过无监督学习提取域不变特征，用于强大的自动语音识别
5. Robust Deep Learning Through Selective Feature Regeneration [D] . Borkar, Tejas S. 2020

机译：通过选择性特征再生强大的深度学习
6. Wasserstein Distance Learns Domain Invariant Feature Representations for Drift Compensation of E-Nose [O] . Yang Tao, Chunyan Li, Zhifang Liang, 2019

机译：Wasserstein距离学习域不变特征表示用于电子鼻的漂移补偿
7. Extracting Domain Invariant Features by Unsupervised Learning for Robust Automatic Speech Recognition [O] . Wei-Ning Hsu, James Glass 2018

机译：通过无监督学习提取域不变特征，用于强大的自动语音识别

Towards Robust and Domain Invariant Feature Representations in Deep Learning

著录项

引文网络

相似文献

相关主题

期刊订阅