去噪代码matlab-xrce_msda_da_regularization:用于域自适应的正则化边缘化堆叠式降噪自动编码器

时间:2024-06-16 01:34:44
【文件属性】:

文件名称:去噪代码matlab-xrce_msda_da_regularization:用于域自适应的正则化边缘化堆叠式降噪自动编码器

文件大小:44.68MB

文件格式:ZIP

更新时间:2024-06-16 01:34:44

系统开源

去噪声代码matlab 用于域自适应的正则化边缘化堆叠式降噪自动编码器 Matlab代码,“带正则化域实例去噪的无监督域自适应”,Csurka,Gabriela和Chidlovskii,Boris和Clinchant,Stéphane和Michel,索非亚,在ECCV研讨会上转移和适应计算机视觉中的源知识(TASK-CV) 适用于ACL'16的Python代码:链接至纸张:还包含边际化堆叠降噪自动编码器的实现。 #Abstract发现领域不变特征对于成功实现领域适应和转移学习至关重要。 但是,在无监督的情况下,存在过度拟合源训练数据的巨大风险。 最近,Ganin和Lempitsky(ICML'15)提出了针对深度模型的域自适应正则化方法。 我们在他们的工作基础上,提出了一种更合适的去噪自动编码器正则化建议,并提议通过域正则化来扩展边缘化去噪自动编码器(MDA)框架,其目的是以特征变为域的方式对源数据和目标数据进行去噪。不变,适应变得更容易。 基于最大平均差异(MMD)度量或基于域预测的域正则化旨在减少源数据与目标数据之间的距离。 通过使用域分类器正则化器,我们还利用源类标签来正则化损失


【文件预览】:
xrce_msda_da_regularization-master
----LICENCE(2KB)
----python()
--------dataset_utils.py(21KB)
--------amazon_exp.sh(142B)
--------exp_domainreg_da.py(4KB)
--------AMT_res()
--------amt_datasets_id.pickle(542B)
--------denoising_autoencoders.py(10KB)
--------dataset()
--------__init__.py(0B)
--------transductive_da.py(15KB)
--------amazon_exp.py(9KB)
--------domain_adaptation_baseline.py(11KB)
--------termweight.py(5KB)
--------msda_exp.py(11KB)
----matlab()
--------targetreg_semisup_iterWZ.m(16KB)
--------targetreg_semisup_MS.m(12KB)
----README.md(2KB)

网友评论