Transfer Learning for Large Scale Data using Subspace Alignment
04-21
Transfer Learning for Large Scale Data using Subspace Alignment(ICMLA 17)
作者:Nassara ELHADJI-ILLE-GADO, Edith GRALL-MA¨ES and Malika KHAROUF
本文在Subspace Alignment (Unsupervised visual domain adaptation using subspace alignment) 工作的基礎上,解決高維數據在SA難以降維的問題,使用了一種近似的快速SVD演算法:
然後再在這個工作基礎上,提出了針對高維數據的演算法改進的SA域適應演算法:
實驗結果:
從分類精度來說,在文本數據上取得的效果要比圖像視覺數據要好。
從運行時間上來說,時間的表現總體上比SA還要好。
推薦閱讀:
※量子計算正接近現實 早期投資者已看到這些商機
※柯潔 VS AlphaGo 第一回合局勢回顧
※Python學習路線分享 零基礎學Python看什麼書好?
※人工智慧時代,設計師為何需要學習技術
※全球最聰明的大腦怎麼看AI?他們預測了這13大發展趨勢
TAG:遷移學習TransferLearning | 機器學習 | 人工智慧 |