文件名称：论文研究-最小二乘迁移生成对抗网络.pdf
文件大小：766KB
文件格式：PDF
更新时间：2022-10-01 15:36:14
论文研究
现有的生成对抗网络（Generative Adversarial Networks，GAN）损失函数已经被成功地应用在迁移学习方法中。然而，发现这种损失函数在学习过程中可能会出现梯度消失的问题。为了克服该问题，提出了一种学习领域不变特征的新方法，即最小二乘迁移生成对抗网络（Least Squares Transfer Generative Adversarial Networks，LSTGAN）。LSTGAN采用最小二乘生成对抗网络（Least Squares Generative Adversarial Networks，LSGAN）损失函数，通过单领域判别的训练方式来减少领域分布之间的差异。通过研究表明，所提方法与其他有竞争力的算法相比较具有一定的优越性。